期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
LSTM-GRU模型对1型糖尿病和2型糖尿病患者低血糖的预警价值
被引量:
1
1
作者
彭秀丽
王延年
李全忠
《河南医学研究》
CAS
2022年第12期2135-2139,共5页
目的探讨长短期记忆网络与门循环单元(LSTM-GRU)模型对1型糖尿病(T1DM)和2型糖尿病(T2DM)患者低血糖的预警价值。方法回顾性分析2015年7月至2017年3月于河南省人民医院内分泌科住院期间曾发生低血糖事件的50例糖尿病(DM)患者的临床资料...
目的探讨长短期记忆网络与门循环单元(LSTM-GRU)模型对1型糖尿病(T1DM)和2型糖尿病(T2DM)患者低血糖的预警价值。方法回顾性分析2015年7月至2017年3月于河南省人民医院内分泌科住院期间曾发生低血糖事件的50例糖尿病(DM)患者的临床资料,其中T1DM患者18例,T2DM患者32例。以连续72 h的血糖数据为研究对象,运用Python 3.6运行LSTM-GRU模型,得到15、30、45、60 min的预测血糖值,以均方根误差(RMSE)、平均绝对百分误差(MAPE)及克拉克(Clarke)误差网格分析评价模型预测性能。采用灵敏度、特异度和准确度评价模型低血糖预警效果,进一步比较模型在T1DM和T2DM患者的低血糖预警差异。结果15 min预测时,LSTM-GRU模型的RMSE、MAPE分别为0.24、2.64;30 min预测时,RMSE、MAPE分别为0.26、2.84;45 min预测时,RMSE、MAPE分别为0.27、2.89;60 min预测时,RMSE、MAPE分别为0.27、2.85。Clarke误差网格分析表明该模型对血糖的预测准确度均满足ISO 15197—2013标准。LSTM-GRU模型在15 min低血糖预警时,T1DM和T2DM患者的灵敏度、特异度、准确度分别为95.54%、98.41%、98.10%,88.82%、99.47%、99.05%;30 min预警时,T1DM和T2DM患者的灵敏度、特异度、准确度分别为94.49%、98.41%、97.98%,87.94%、99.44%、99.01%;45 min预警时,T1DM和T2DM患者的灵敏度、特异度、准确度分别为94.52%、98.49%、98.02%,85.53%、99.48%、98.98%;60 min预警时,T1DM和T2DM患者的灵敏度、特异度、准确度分别为92.78%、98.54%、97.92%,85.15%、99.46%、98.95%。无论在哪个预测时长下,LSTM-GRU模型对T1DM和T2DM患者的低血糖预警效果比较,差异有统计学意义(P<0.05)。结论LSTM-GRU模型能有效进行低血糖预警,且对T1DM患者的低血糖预警效果优于T2DM患者。
展开更多
关键词
1型糖尿病
2型糖尿病
长短期记忆网络与
门循环单元模型
低血糖预警
下载PDF
职称材料
最小窥视孔长短时记忆模型
被引量:
4
2
作者
包志强
赵研
+2 位作者
胡啸天
赵媛媛
黄琼丹
《计算机工程与设计》
北大核心
2020年第1期134-138,共5页
由于循环神经网络拥有复杂的模型结构,使训练模型达到最优变得困难。因此,提出一种最小窥视孔长短时记忆模型,它只有一个唯一门来更新信息,拥有两个网络层,通过减少一定的模型参数降低模型训练的难度,提高模型性能。实验结果表明,在不...
由于循环神经网络拥有复杂的模型结构,使训练模型达到最优变得困难。因此,提出一种最小窥视孔长短时记忆模型,它只有一个唯一门来更新信息,拥有两个网络层,通过减少一定的模型参数降低模型训练的难度,提高模型性能。实验结果表明,在不同数据集上,该模型性能高于长短期记忆模型,部分高于门循环单元模型,在参数个数、运行时间方面,其远小于长短期记忆模型以及门循环单元模型。
展开更多
关键词
深度学习
循环
神经网络
长短时记忆
模型
门循环单元模型
最小窥视孔长短时记忆
模型
下载PDF
职称材料
题名
LSTM-GRU模型对1型糖尿病和2型糖尿病患者低血糖的预警价值
被引量:
1
1
作者
彭秀丽
王延年
李全忠
机构
河南大学人民医院/河南省人民医院内分泌科
郑州大学信息工程学院
出处
《河南医学研究》
CAS
2022年第12期2135-2139,共5页
基金
河南省科技攻关计划项目(162102310605)。
文摘
目的探讨长短期记忆网络与门循环单元(LSTM-GRU)模型对1型糖尿病(T1DM)和2型糖尿病(T2DM)患者低血糖的预警价值。方法回顾性分析2015年7月至2017年3月于河南省人民医院内分泌科住院期间曾发生低血糖事件的50例糖尿病(DM)患者的临床资料,其中T1DM患者18例,T2DM患者32例。以连续72 h的血糖数据为研究对象,运用Python 3.6运行LSTM-GRU模型,得到15、30、45、60 min的预测血糖值,以均方根误差(RMSE)、平均绝对百分误差(MAPE)及克拉克(Clarke)误差网格分析评价模型预测性能。采用灵敏度、特异度和准确度评价模型低血糖预警效果,进一步比较模型在T1DM和T2DM患者的低血糖预警差异。结果15 min预测时,LSTM-GRU模型的RMSE、MAPE分别为0.24、2.64;30 min预测时,RMSE、MAPE分别为0.26、2.84;45 min预测时,RMSE、MAPE分别为0.27、2.89;60 min预测时,RMSE、MAPE分别为0.27、2.85。Clarke误差网格分析表明该模型对血糖的预测准确度均满足ISO 15197—2013标准。LSTM-GRU模型在15 min低血糖预警时,T1DM和T2DM患者的灵敏度、特异度、准确度分别为95.54%、98.41%、98.10%,88.82%、99.47%、99.05%;30 min预警时,T1DM和T2DM患者的灵敏度、特异度、准确度分别为94.49%、98.41%、97.98%,87.94%、99.44%、99.01%;45 min预警时,T1DM和T2DM患者的灵敏度、特异度、准确度分别为94.52%、98.49%、98.02%,85.53%、99.48%、98.98%;60 min预警时,T1DM和T2DM患者的灵敏度、特异度、准确度分别为92.78%、98.54%、97.92%,85.15%、99.46%、98.95%。无论在哪个预测时长下,LSTM-GRU模型对T1DM和T2DM患者的低血糖预警效果比较,差异有统计学意义(P<0.05)。结论LSTM-GRU模型能有效进行低血糖预警,且对T1DM患者的低血糖预警效果优于T2DM患者。
关键词
1型糖尿病
2型糖尿病
长短期记忆网络与
门循环单元模型
低血糖预警
Keywords
type 1 diabetes
type 2 diabetes
long short term memory-gated recurrent unit model
early warning of hypoglycemia
分类号
R587.1 [医药卫生—内分泌]
下载PDF
职称材料
题名
最小窥视孔长短时记忆模型
被引量:
4
2
作者
包志强
赵研
胡啸天
赵媛媛
黄琼丹
机构
西安邮电大学通信与信息工程学院
出处
《计算机工程与设计》
北大核心
2020年第1期134-138,共5页
基金
陕西省教育厅专项科研计划基金项目(17JK0703)
陕西省重点研发计划基金项目(2018GY-150)
文摘
由于循环神经网络拥有复杂的模型结构,使训练模型达到最优变得困难。因此,提出一种最小窥视孔长短时记忆模型,它只有一个唯一门来更新信息,拥有两个网络层,通过减少一定的模型参数降低模型训练的难度,提高模型性能。实验结果表明,在不同数据集上,该模型性能高于长短期记忆模型,部分高于门循环单元模型,在参数个数、运行时间方面,其远小于长短期记忆模型以及门循环单元模型。
关键词
深度学习
循环
神经网络
长短时记忆
模型
门循环单元模型
最小窥视孔长短时记忆
模型
Keywords
deep learning
recurrent neural network(RNN)
long short-term memory(LSTM)
gated recurrent unit(GRU)
minimal peephole long short-term memory(MP-LSTM)
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
LSTM-GRU模型对1型糖尿病和2型糖尿病患者低血糖的预警价值
彭秀丽
王延年
李全忠
《河南医学研究》
CAS
2022
1
下载PDF
职称材料
2
最小窥视孔长短时记忆模型
包志强
赵研
胡啸天
赵媛媛
黄琼丹
《计算机工程与设计》
北大核心
2020
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部