GLUCOBENCH|糖尿病管理数据集|血糖监测数据集

GLUCOBENCH是由德克萨斯A&M大学统计系和电气与计算机工程系共同创建的一个综合数据集，旨在为连续血糖监测（CGM）数据的预测模型提供标准化的评估平台。该数据集包含五个公开的CGM数据集，涵盖不同规模和人口特征，数据量从5个到超过200个患者不等。数据集的创建过程包括数据预处理、插值和分割，确保数据质量。GLUCOBENCH主要应用于糖尿病管理领域，旨在通过提高血糖轨迹预测的准确性和不确定性量化，改善糖尿病患者的治疗效果和自主管理能力。

原始信息汇总

GlucoBench 数据集概述

数据集信息

数据集列表

数据集名称	许可证	患者数量	CGM 频率
Colas	Creative Commons 4.0	208	5 分钟
Dubosson	Creative Commons 4.0	9	5 分钟
Hall	Creative Commons 4.0	57	5 分钟
Broll	GPL-2	5	5 分钟
Weinstock	Creative Commons 4.0	200	5 分钟

数据处理

• 数据处理步骤详见 exploratory_analysis/ 文件夹。
• 处理后的数据应保存在 raw_data/ 文件夹中。
• 提供 raw_data.zip 文件作为示例。

代码结构

• bin/: 所有模型的训练命令
• config/: 所有数据集的配置文件
• data_formatter/: 数据预处理脚本
• exploratory_analysis/: 数据处理步骤的 Jupyter 笔记本
• lib/: 模型实现及相关脚本
• output/: 超参数优化和测试日志
• paper_results/: 生成论文中表格和图表的代码
• utils/: 模型训练和测试的辅助函数
• raw_data.zip: 网络获取的 CGM 数据
• environment.yml: conda 环境文件

如何复现结果

环境设置

1. 创建名为 glucobench 的 Python 3.10 环境。
2. 激活环境并安装所有依赖项。

配置更改

• 使用 config/ 文件夹中的配置文件进行模型训练和评估。
• 修改 ./lib/model.py 文件中的超参数搜索范围。

如何使用仓库

数据处理

• 使用 DataFormatter 类进行数据预处理。
• 数据预处理步骤可通过 config/ 文件控制。

与 PyTorch 集成

• 使用 Darts 库中的 Dataset 类将数据包装为 Dataset。
• 示例代码详见 example.ipynb 笔记本。

AI搜集汇总

数据集介绍

构建方式

GLUCOBENCH数据集的构建方式体现了对连续血糖监测（CGM）数据的高度专业化和系统化处理。该数据集精选了五个公开可用的CGM数据集，这些数据集具有不同的规模和人口统计特征。为了确保数据质量，研究团队采用了严格的数据筛选标准，包括每个数据集至少包含5名受试者的测量数据，且每位受试者至少有16小时的非缺失CGM测量值。此外，数据集中的测量值被限制在临床相关的范围内，避免了剧烈波动和恒定值的情况。通过这种系统化的数据预处理流程，GLUCOBENCH为研究人员提供了一个高质量、多样化的CGM数据资源，从而促进了血糖预测模型的开发和评估。

特点

GLUCOBENCH数据集的显著特点在于其多样性和高质量。首先，数据集包含了来自不同人群和糖尿病类型的CGM数据，这为模型在不同患者群体中的泛化能力提供了测试基础。其次，数据集的构建过程中采用了严格的数据质量控制措施，确保了数据的可靠性和临床相关性。此外，GLUCOBENCH还提供了标准化的任务列表和基准模型，这有助于统一研究目标，促进研究方法的协调和比较。通过这些特点，GLUCOBENCH不仅为血糖预测模型的开发提供了丰富的资源，还为模型的评估和比较提供了标准化的框架。

使用方法

GLUCOBENCH数据集的使用方法涵盖了从数据预处理到模型训练和评估的全过程。首先，研究人员可以通过数据集提供的标准数据预处理流程对原始CGM数据进行处理，以确保数据的一致性和可用性。其次，数据集提供了两个标准化的预测任务，即提高预测准确性和改进预测的不确定性量化，研究人员可以根据这些任务选择合适的模型进行训练。最后，数据集还包含了一系列基准模型的性能评估结果，研究人员可以利用这些基准模型来评估和比较新模型的性能。通过这些步骤，GLUCOBENCH为研究人员提供了一个全面且易于使用的平台，以推动CGM数据驱动的血糖预测研究。

背景与挑战

背景概述

GLUCOBENCH数据集由德克萨斯A&M大学的统计学系和电气与计算机工程系的研究人员创建，旨在应对糖尿病管理中日益增长的需求。该数据集整合了多个公开的连续血糖监测（CGM）数据集，并提供了标准化的预测任务和基准模型，以促进血糖轨迹预测的研究。GLUCOBENCH的核心研究问题是如何基于CGM数据提高血糖预测的准确性和不确定性量化，从而改善糖尿病管理。该数据集的发布旨在解决现有方法在小规模、私有数据集上评估的局限性，推动可重复性和实际应用的研究。

当前挑战

GLUCOBENCH数据集面临的挑战包括：1) 解决血糖预测中的领域问题，如提高预测准确性和不确定性量化；2) 在构建过程中遇到的挑战，如数据集的多样性和质量控制。此外，数据集的构建还需要解决数据隐私和患者信息保护的问题。为了应对这些挑战，GLUCOBENCH提供了一个综合资源，包括公开的CGM数据集、标准化的任务列表、基准模型和性能影响因素的详细分析。

常用场景

经典使用场景

GLUCOBENCH数据集的经典使用场景主要集中在连续血糖监测（CGM）数据的预测任务上。该数据集通过整合多个公开的CGM数据集，为研究人员提供了一个标准化的评估平台。研究者可以利用这些数据集来训练和验证血糖轨迹预测模型，从而提高糖尿病管理的效率。

衍生相关工作

GLUCOBENCH数据集的发布催生了一系列相关的经典工作，包括对不同深度学习模型（如Transformer、NHiTS、TFT和Gluformer）在血糖预测任务中的性能评估。此外，该数据集还推动了对模型不确定性和校准误差的研究，以及对影响模型性能因素的详细分析。

数据集最近研究

最新研究方向

在糖尿病管理领域，GLUCOBENCH数据集的最新研究方向主要集中在通过连续血糖监测（CGM）数据进行血糖轨迹预测。该研究旨在通过整合公开的CGM数据集，建立标准化的预测任务和基准模型，以促进研究的再现性和可访问性。前沿研究不仅关注预测模型的准确性，还强调了不确定性量化（分布拟合）的重要性，以提高预测结果的可靠性和临床实用性。此外，研究还探讨了数据集大小、患者群体构成、测试分割（如分布内和分布外测试集、白天和夜间预测）以及协变量可用性对模型性能的影响，为个性化血糖预测提供了深入的分析和指导。

相关研究论文

• GlucoBench: Curated List of Continuous Glucose Monitoring Datasets with Prediction Benchmarks

  德克萨斯A&M大学 · 2024年