内含脱敏体检数据，以及算法源码。

利用反向传播(BP)神经网络预测方法，通过光纤将红外光谱仪、拉曼光谱仪和旋光测量系统结合在一起，建立了基于多光谱测量血糖含量的分析模型,提出了数据融合的处理方法。选择了30个人体血液样品，分别测量旋光光谱、红外光谱、拉曼光谱。将光谱数据进行了预处理与归一化处理，建立BP神经网络模型，预测血液样品的糖含量值。使用克拉克误差网格分析法分别分析了三种测量方法和数据融合后的血糖值，结果应用BP人工神经网络模型预测血糖值的拟合精度为0.9992，预测误差低于0.2 mmol/L，满足临床医学的精度要求，并且具有较高的稳健性和较强的容错能力。

引文 文章： ： 如果您发现此存储库对您的研究有用，请引用此工作： Martinsson, J., Schliep, A., Eliasson, B. et al. J Healthc Inform Res (2019). https://doi.org/10.1007/s41666-019-00059-y 先决条件 该代码旨在在OhioT1DM数据集上运行。 因此，要使用它（例如，示例实验YAML配置）中的xml_path需要指向XML数据文件所在的磁盘上的路径。 例如，更改“ / home / ubuntu / ohio_data / OhioT1DM-training /”以指向包含ohio数据集XML文件的Ohiot1DM-training文件夹。 当然可以编写一个新的数据集模块，该模块将数据加载为所需格式并在其他数据上训练模型。 安装 $> chmod +x setup

Anfis算法matlab代码血糖预测 此代码使用来自 OHIO T1DM 数据集的数据作为 2020 BGLP 挑战的一部分。 它运行各种不同的算法，为数据集中的不同文件生成半小时和一小时血糖水平预测范围的预测。 数据需要数据使用协议。 可以在 找到更多信息。 此代码严格用于研究目的。 允许使用此代码来比较或复制结果，但作者不对可能发生的任何潜在损害或问题负责。 该项目使用了其他来源的一些代码。 为方便起见，下面将列出链接，然后是许可证文件。 链接和许可 安菲斯 麻省理工学院执照 版权所有 (c) 2018 tiagoCuervo 特此授予任何人免费获得本软件副本和相关文档文件（“软件”）的许可，不受限制地处理本软件，包括但不限于使用、复制、修改、合并的权利、发布、分发、再许可和/或出售软件的副本，并允许向其提供软件的人员这样做，但须符合以下条件： 上述版权声明和本许可声明应包含在软件的所有副本或重要部分中。 本软件按“原样”提供，不提供任何形式的明示或暗示的保证，包括但不限于适销性、特定用途的适用性和不侵权的保证。 在任何情况下，作者或版权持有人均不对任何索赔、损害或其他责任承担责

matlab svr代码GLYFE（血糖预测评估） GLYFE 是一个葡萄糖预测模型基准。 入门 这些说明将帮助您获得运行基准所需的数据以及开发新的葡萄糖预测模型。 先决条件 模拟运行benchmark所需的数据，需要一个（这里使用的是Windows下的R2018b版本）和一个（v3.2.1）。 要运行基准测试，您将需要以下Python 3.7.6库 matplotlib 3.1.3 numpy 1.18.1 pandas 1.0.1 patsy 0.5.1 pip 20.0.1 pytorch 1.4.0 scikit-learn 0.22.1 scipy 1.4.1 setuptools 45.2.0 statsmodels 0.12.0.dev0 俄亥俄州T1DM数据获取 要访问 OhioT1DM 数据，应参考 . 获得后， OhioT1DM-testing和OhioT1DM-training两个文件夹应放在./data/ohio/目录下（如果需要，请创建）。 T1DMS数据模拟 设置环境 将GLYFE/T1DMS/GLYFE.scn场景文件复制粘贴到 T1DMS 安装文件夹（名

使用LSTM进行血糖预测并使用MLFLOW进行模型管理，您将了解如何在Keras深度学习库中开发用于多变量时间序列预测的LSTM模型。并基于LSTM模型进行血糖预测。

基于模型迁移方法的I型糖尿病在线血糖预测低血糖预警