GARNN: 一种可解释的图注意力循环神经网络用于预测多元时间序列中的血糖水平
原文中文,约300字,阅读约需1分钟。发表于: 。精确预测未来血糖水平能有效改善糖尿病患者的血糖管理,降低并发症发生率,提高生活质量。本研究提出了可解释的图注意力循环神经网络(GARNN)用于建模多变量时间序列数据,不仅在预测准确性上表现最佳,同时提供高质量的时间解释性,进而在改善糖尿病护理方面发挥了潜在作用。
我们提出了一种混合变分自编码器的方法,用于学习可解释的连续葡萄糖监测和餐饮数据的表示。该方法通过基于机制的微分方程将潜在空间与输入联系起来,产生反映生理量的嵌入。在糖尿病类型2和糖尿病前期个体的数据集上,我们的无监督表示发现了个体之间的分离。我们的嵌入产生的聚类效果比其他特征好4倍,为血糖控制提供了可解释的嵌入空间。