Memorias de investigación
Ponencias en congresos:
Automatic blood glucose classification for gestational diabetes with feature selection: Decision trees vs Neural networks
Año:2013
Áreas de investigación
  • Biomedicina,
  • Tecnología electrónica y de las comunicaciones
Datos
Descripción
Automatic blood glucose classification may help specialists to provide a better interpretation of blood glucose data, downloaded directly from patients glucose meter and will contribute in the development of decision support systems for gestational diabetes. This paper presents an automatic blood glucose classifier for gestational diabetes that compares 6 different feature selection methods for two machine learning algorithms: neural networks and decision trees. Three searching algorithms, Greedy, Best First and Genetic, were combined with two different evaluators, CSF and Wrapper, for the feature selection. The study has been made with 6080 blood glucose measurements from 25 patients. Decision trees with a feature set selected with the Wrapper evaluator and the Best first search algorithm obtained the best accuracy: 95.92%.
Internacional
Si
Nombre congreso
XIII Mediterranean Conference on Medical and Biological Engineering and Computing 2013
Tipo de participación
960
Lugar del congreso
Sevilla, España
Revisores
Si
ISBN o ISSN
978-3-319-00846-2
DOI
Fecha inicio congreso
25/09/2013
Fecha fin congreso
28/09/2013
Desde la página
1370
Hasta la página
1371
Título de las actas
IFMBE Proceedings Vol. 41
Esta actividad pertenece a memorias de investigación
Participantes
Grupos de investigación, Departamentos, Centros e Institutos de I+D+i relacionados
  • Creador: Grupo de Investigación: Grupo de Bioingeniería y Telemedicina
  • Centro o Instituto I+D+i: Centro de tecnología Biomédica CTB
  • Departamento: Tecnología Fotónica y Bioingeniería