Impacto
Downloads
Downloads per month over past year
Cruz López, Marina de la (2022) Grammatical evolution for the prediction of hypoglycemia in diabetes. [Trabajo Fin de Grado]
![[thumbnail of De La Cruz López 51426_Marina_De_La_Cruz_Lopez_GRAMMATICAL_EVOLUTION_FOR_THE_PREDICTION_OF_HYPOGLYCEMIA_IN_DIABETES_1398832_664428703.pdf]](/style/images/fileicons/application_pdf.png) |
PDF
Restringido a Repository staff only hasta 25 July 2023. Creative Commons Attribution Non-commercial. 1MB |
Abstract
Diabetic patients have to manage their blood sugar correctly to prevent complications. One such complication is hypoglycemia or low blood sugar, which occurs when the blood glucose concentration goes below a certain threshold. A hypoglycemic episode needs to be rectified before it becomes harmful and can be a very distressing situation for the patient.
The main goal of this study is to program Structured Grammatical Evolution and Dynamic Structured Grammatical Evolution algorithms and use them to generate models for the prediction of hypoglycemic episodes in patients with diabetes.
The algorithms will be used to obtain a white-box model made up of if-then-else statements that given some input data, comprised of the blood glucose and exercise readings of the patients from the previous 2 hours, optimizes a logical relation between these variables. The resulting formula will be able to determine if the patient is going to have a hypoglycemic episode in a 30, 60, 90 and 120 minutes prediction horizon.
Resumen (otros idiomas)
Los pacientes con diabetes deben controlar correctamente su nivel de azúcar en sangre para evitar complicaciones. Una de estas complicaciones es la hipoglucemia o nivel bajo de azúcar en sangre, que ocurre cuando la concentración de glucosa en la sangre cae por debajo de cierto umbral. Un episodio de hipoglucemia debe corregirse antes de que se vuelva dañino y puede ser una situación muy angustiosa para el paciente. El objetivo principal de este estudio es programar los algoritmos de Gramáticas Evolutivas Estructuradas y Gramáticas Evolutivas Estructuradas Dinámicas, y utilizarlos para generar modelos de predicción de episodios hipoglucémicos en pacientes con diabetes. Los algoritmos se utilizarán para obtener un modelo de caja blanca formado por sentencias if-then-else que, dados unos datos de entrada, compuestos por el nivel de la glucosa en sangre y las lecturas de datos de ejercicio de los pacientes de las 2 horas anteriores, optimiza una relación lógica entre estas variables. La fórmula resultante se usa para determinar si el paciente va a tener un episodio de hipoglucemia en un plazo de 30, 60, 90 y 120 minutos.
| Item Type: | Trabajo Fin de Grado |
|---|---|
| Additional Information: | Trabajo de Fin de Grado en Ingeniería Informática, Facultad de Informática UCM, Departamento Ingeniería del Software e Inteligencia Artificial, Curso 2021/2022. |
| Directors: | Directors Cervigón Rückauer, Carlos |
| Uncontrolled Keywords: | Diabetes, Grammatical evolution, Genetic algorithms, Machine learning, Glucose prediction, Structured grammatical evolution, Dynamic structured grammatical evolution |
| Palabras clave (otros idiomas): | Diabetes, Gramáticas evolutiva, Algoritmos genéticos, Aprendizaje automático, Predicción de glucosa, Gramáticas evolutivas estructuradas, Gramáticas evolutivas estructuradas dinámicas |
| Subjects: | Sciences > Computer science |
| Título de Grado: | Grado en Ingeniería Informática |
| ID Code: | 74671 |
| Deposited On: | 24 May 2023 10:44 |
| Last Modified: | 24 May 2023 10:44 |
Origin of downloads
Repository Staff Only: item control page
