基于长短期记忆网络与门循环单元模型的长时程低血糖预警研究

目的 研究比较基于长短期记忆网络(long-short term memory,LSTM)与门循环单元(gate recurrent unit,GRU)的组合模型的低血糖预警.方法 回顾性分析2000年8月-2017年3月就诊于河南省人民医院的糖尿病患者50例,采集其连续72 h的血糖数据,使用小波变换及差分处理优化后分别采用LSTM、GRU、灰色模型(grey model,GM)、LSTM-GRU组合模型建立血糖预警模型.以灵敏度、特异度、准确度来评价四种模型预警性能,并对灵敏度、准确度进行差异性分析.设置低血糖阈值区间进行低血糖预警.利用ROC曲线探究不同阈值和不同预测步长下的特异性和灵敏度等指标的变化规律.结果 LSTM-GRU模型的预警准确度和灵敏度较高,随着预测时间的延长,其预警性能下降缓慢,在60 min仍具有较高的预警效果;随着阈值的增加,低血糖预警的灵敏度增加,特异性降低.结论 LSTM-GRU模型在长期低血糖预警中具有较佳的预警性能,预测范围和阈值是影响低血糖预警效果的主要因素.