prikaz prve stranice dokumenta Personalized data-driven prediction algorithms for glycemic trend
Pristup korisnicima matične ustanove
disertacija
Personalized data-driven prediction algorithms for glycemic trend
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. urn:nbn:hr:168:201513
Žulj, Sara
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zavod za elektroničke sustave i obradbu informacija

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Žulj, S. (2022). Personalized data-driven prediction algorithms for glycemic trend (Disertacija). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:201513

Žulj, Sara. "Personalized data-driven prediction algorithms for glycemic trend." Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:201513

Žulj, Sara. "Personalized data-driven prediction algorithms for glycemic trend." Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:201513

Žulj, S. (2022). 'Personalized data-driven prediction algorithms for glycemic trend', Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 16.09.2024., https://urn.nsk.hr/urn:nbn:hr:168:201513

Žulj S. Personalized data-driven prediction algorithms for glycemic trend [Disertacija]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 16.09.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:201513

S. Žulj, "Personalized data-driven prediction algorithms for glycemic trend", Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:201513

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:201513
Podaci o radu
NaslovPersonalized data-driven prediction algorithms for glycemic trend
Naslov (hrvatski)Personalizirani podatkovno vođeni algoritmi za predviđanje glikemijskoga trenda
AutorSara Žulj
MentorRatko Magjarević (mentor)
MentorPaulo de Carvalho https://orcid.org/0000-0002-6920-869X (komentor)
Član povjerenstvaIgor Lacković (predsjednik povjerenstva)
Član povjerenstvaAlan Jović (član povjerenstva)
Član povjerenstvaLana Ružić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
(Zavod za elektroničke sustave i obradbu informacija)
Zagreb
Datum i država obrane2022-06-27, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Univerzalna decimalna klasifikacija
(UDC)		004 - Računalna znanost i tehnologija. Računalstvo. Obrada podataka
Sažetak
An important aspect of diabetes management is controlling the glucose level. A step towards achieving the control is monitoring and taking actions (e.g., administering insulin) to avoid dangerous levels. Predicting future values may allow the user to be alerted when an action is needed. This thesis investigates an interpretable case-based reasoning (CBR) model for predicting future glucose levels. The focus of this work lies in exploring the different hyperparameters of CBR model. The work also ev104 - 117aluates the effect of meal intake as an input variable in a data-driven way. This is in contrast to previously published research which use dedicated physiological models to include the meal. The effect of the dataset size on the prediction error is modelled. Models are often trained on very small datasets and reported error often does not reflect the large variance caused by the dataset size. Further, the personalization of the CBR model by clustering the patient data prior to building the CBR model’s case base is studied. The clustering is done using clinical, behavioral, anthropometric and demographic data. Finally, a new two-stage method for maintaining the case base of the CBR regression problem is proposed. The contributions are: • A case-based reasoning model for prediction of glucose levels, • A personalization of the model through a clustering strategy, • A method for updating and maintaining the case base.
Sažetak (hrvatski)
Kontrola razine glukoze važan je aspekt upravljanja dijabetesom. Korak prema ostvarivanju kontrole je praćenje i poduzimanje adekvatnih radnji (npr. davanje inzulina) kako bi se izbjegle opasne razine. Predviđanje budućih vrijednosti omogućuje upozorenja korisniku kako bi na vrijeme poduzeo potrebne radnje. Ovaj rad istražuje interpretabilan model temeljen na zaključivanju na temelju slučaja (CBR) za predviđanje budućih razina glukoze. Fokus istraživanja leži u odabiru različitih hiperparametara CBR modela. Također, istražen je učinak unosa obroka kao ulazne varijable na podatkovno-vođeni način. To je u suprotnosti s prethodno objavljenim istraživanjima koja koriste fiziološke modele kako bi uključili obrok. Modeliran je učinak veličine skupa podataka na pogrešku predviđanja. Modeli često uče na vrlo malim skupovima podataka te iskazana pogreška modela često ne odražava značajnu varijancu pogreške uzrokovanu veličinom skupa podataka. Nadalje, istražena je personalizacija CBR modela grupiranjem podataka o pacijentu prije izgradnje baze slučajeva CBR modela. Grupiranje se provodi pomoću kliničkih podataka, podataka o ponašanju, antropometrijskih i demografskih podataka. Konačno, predložena je nova metoda u dvije faze za održavanje baze slučajeva CBR regresijskog problema. Ostvareni doprinosi su: • Model temeljen na zaključivanju na temelju slučaja za predviđanje razine glukoze, • Personalizacija modela kroz strategiju grupiranja, • Metoda za ažuriranje i održavanje baze slučajeva.
Ključne riječi
Ključne riječi (hrvatski)
Jezikengleski
URN:NBNurn:nbn:hr:168:201513
Datum promocije2022
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: poslijediplomski znanstveni (doktorski)
Akademski / stručni naziv: Doktor znanosti (dr. sc.)
Vrsta resursaTekst
Opsegiii, 130 str. : graf. prikazi ;
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2022-09-05 07:42:38