پيش بيني نوسانات سطح قند خون در بيماران مبتلا به ديابت نوع 1 با استفاده از شبكه‌هاي عصبي خودبازگشتي المن

پيش بيني نوسانات سطح قند خون در بيماران مبتلا به ديابت نوع 1 با استفاده از شبكه‌هاي عصبي خودبازگشتي المن

يكي از عوارض خطرناك بيماري ديابت نوع يك افزايش و يا كاهش ناگهاني سطح غلظت قند خون مي‌باشد كه باعث بروز خطراتي چون اغما و بيهوشي خواهد شد. بنابراين استفاده از روشي مناسب به منظور پيش‌بيني و در نهايت پيش‌گيري از اين عوارض گام مهمي درجهت كنترل بهينه بيماري محسوب مي‌شود. به همين منظور در اين مقاله سعي شده است تا به كمك شبكه‌هاي عصبي خودبازگشتي نوسانات سطح غلظت قند خون بيماران مبتلا به ديابت نوع1 پيش‌بيني شود. داده‌هاي پزشكي مورد استفاده در اين مقاله مربوط به 3 بيمار زن ايراني مبتلا به ديابت نوع يك است كه شامل الگوهايي چون نوع و دز انسولين تزريقي، فاصله زماني بين ساعات ثبت سطح غلظت قند خون و نيز سطح غلظت قند خون در ابتداي بازه زماني مي‌باشد. در پايان تحقيق با توجه به نتايج به دست آمده مشخص شد كه شبكه‌هاي عصبي خودبازگشتي با كاهش قابل ملاحظه اي در خطاي پيش‌بيني نسبت به ديگر روشهاي متداول، مي‌توانند به عنوان مدلي مناسب به منظور پيش‌بيني نوسانات سطح غلظت قند خون در بيماران مبتلا به ديابت نوع يك تلقي گردد.

One of the most dangerous symptoms of Type 1 diabetes is the frequent and great oscillation of blood glucose level that can lead the patient to unconscious and coma states. So being able to predict and finally prevent these symptoms would help the diabetic patients. This paper attempts to use Elman neural networks to predict the blood glucose levels in type1 diabetic patients. Data set used in this paper consists of the protocol of 3 Iranian type1 Diabetic women and includes parameters such as type and dosage of injected insulin, the period of time (in hour) between two consecutive measurements of the blood glucose level, carbohydrate intake, exercise and the blood glucose level measured at start of the given period of time. Finally we concluded that the use of Recurrent Neural Network such as Elman with great reduction of prediction error and also reduction of number of layers and neurons used in the construction of Neural Networks as compared with other method can be an appropriate model to predict the long term blood glucose levels in type 1 diabetes.