Mejora de la predicción de glucosa en sangre no invasiva a partir de señales de fotopletismografía mediante la selección de características basadas en la variabilidad de la frecuencia cardíaca utilizando algoritmos metaheurísticos
Autores: Alghlayini, Saifeddin; Al-Betar, Mohammed Azmi; Atef, Mohamed
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Mejora de la predicción de glucosa en sangre no invasiva a partir de señales de fotopletismografía mediante la selección de características basadas en la variabilidad de la frecuencia cardíaca utilizando algoritmos metaheurísticos
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Diabetes
Nivel de glucosa en sangre
Variabilidad de la frecuencia cardíaca
Fotopletismografía
Algoritmos metaheurísticos
Aprendizaje automático
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
La combinación IDA-LightGBM mostró un rendimiento superior, logrando un error absoluto medio (MAE) de 13.17 mg/dL, un error cuadrático medio (RMSE) de 15.36 mg/dL y el 94.74% de las predicciones dentro de la zona A de la rejilla de error de Clarke (CEG), sin ninguna en zonas peligrosas.
Descripción
La combinación IDA-LightGBM mostró un rendimiento superior, logrando un error absoluto medio (MAE) de 13.17 mg/dL, un error cuadrático medio (RMSE) de 15.36 mg/dL y el 94.74% de las predicciones dentro de la zona A de la rejilla de error de Clarke (CEG), sin ninguna en zonas peligrosas.