Browsing by Author "Usic, Ghenadie"

Filter results by typing the first few letters
Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Development of a neural network model architecture for personalized insulin dosage calculation in type I diabetes
    (CEP USM, 2024) Usic, Ghenadie; Profir, Aurelia
    Type I diabetes is a chronic autoimmune disease characterized by insulin hormone deficiency in the body, requiring patients to rely on external administration of this hormone for survival. Additionally, blood glucose monitoring and precise insulin dose calculation are essential aspects in managing this disease. The current research proposes an approach that uses machine learning techniques to optimize and personalize insulin dose calculations for patients with type I diabetes. The developed model is based on neural networks and has been trained using pharmacodynamic profiles and a simulated dataset. The research was conducted over a period of two months, focusing on adapting the algorithm to individual patient characteristics to improve blood glucose level management.
  • Thumbnail Image
    Item
  • Thumbnail Image
    Item
    Optimizarea modelelor de predicție a hipoglicemiei prin combinarea algoritmilor genetici și Levenberg-Marquardt
    (CEP USM, 2024) Usic, Ghenadie
    Această lucrare investighează o metodă de anticipare a episoadelor de hipoglicemie la persoanele cu diabet de tip 1, folosind rețele neuronale artificiale (RNA). Hipoglicemia este o problemă semnicativă care apare adeseori în urma tratamentului intens cu insulină; episoadele nocturne sunt foarte periculoase din cauză că simptomele pot fi adeseori greșit interpretate sau ignorate în timpul somnului și pot evolua către convulsii sau comă chiar și deces. Studiul examinează date de monitorizare continuă a glicemiei pe o perioadă de 3 luni ale cinci persoane diagnosticate cu diabet de tip I. Prin analiza datelor istorice disponibile, metoda propusă antrenează un model de învățare profundă pentru a detecta şabloane care pot semnaliza anticipat riscul de hipoglicemie. De asemenea, cercetarea prezintă o abordare pentru îmbunătățirea sensibilității și specificității predicțiilor prin includerea algoritmilor genetici și Levenberg-Marquardt în procesul de antrenare. Această adaptare refinează precizia predictivă a modelului si înbunătățeste adaptarea dinamică la caracteristicile unice ale fiecărui pacient în parte pentru a îmbunătăți rapiditatea și fiabilitatea predicțiilor sale.