换一批基于迁移学习的近红外光谱非侵入性血糖检测研究
Study on Non-invasive Blood Glucose Detection Using Near-Infrared Spectroscopy Based on Transfer Learning
摘要目的:近红外光谱技术在无创血糖检测中面临因个体差异导致的模型泛化性不足问题,为了解决这一问题,提高数据利用率,并建立泛化能力更强的预测模型,本研究引入了迁移学习方法来研究近红外光谱非侵入性血糖检测.方法:迁移学习是一种旨在将源域的知识迁移到目标域,从而提高目标域任务性能的机器学习技术.在本研究中,我们将社区人群数据作为源域,将学生群体数据作为目标域,以改善无创血糖检测模型在目标域上的表现.为了验证迁移学习的有效性,本研究对比了迁移学习前后模型的性能.结果:通过迁移学习策略,模型在无创血糖检测任务中的表现得到了显著提升,迁移后的模型MAPE与MAE分别下降了 52.5460％与6.0805％,RMSE与MSE分别下降了10.7215％与12.1135％.结论:本研究展示了迁移学习在非侵入性血糖检测领域的应用前景,通过将源域中难以获取但与血糖值相关的特征迁移到目标域,有望在未来实现便携式、连续性的血糖监测,这将极大地提高糖尿病患者的生活质量.无创血糖检测技术的进步,不仅能够减少患者的痛苦,还能提供更为便捷的血糖监测手段,为糖尿病管理提供有力支持.
更多相关知识
关键词
迁移学习近红外光谱无创血糖检测机器学习特征选择Transfer learningNear-infrared spectroscopyNon-invasive blood glucose detectionMachine learningFeature selection
栏目名称
DOI
10.13241/j.cnki.pmb.2025.13.002
发布时间
2025-09-09（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
