文献综述

糖尿病主要是由胰岛素无法正常工作所导致，分为二种情况，第一种是1型糖尿病病人体内自身免疫系统破坏了产生胰岛素的胰腺胰岛beta;细胞引起的，病理上称为胰岛素依赖型糖尿病。第二种是2型糖尿病人体内的胰岛素抵抗作用异常，即病人体内的细胞需要更高浓度的胰岛素才能与胰岛素发生反应，或者细胞对胰岛素根本就不反应。病人体内胰岛素严重不足，多由于后天病人进食大量精致饮食及高反式脂肪的食物，病理上称为非胰岛素依赖性糖尿病。

目前临床上采用的药物治疗主要通过刺激胰岛素分泌、增强胰岛素作用、增加外周组织对葡萄糖的吸收、体外注射胰岛素等方法降低病人血糖，然而上述方法都需要一定的时间才能产生作用，而通过采集数据建立各种食物进入人体之后转化为血液中葡萄糖的数量以及病人进食后的血糖波动，可以更快的预测出血糖，并通过数据展现血糖的安全范围。综上，血糖预测收到越来越多人的重视及研究，本论文重点研究各种食物对血糖变化的影响，需要根据血糖预测模型的已有成果进行。根据国内外学者基于医院提供的数据和CGMS系统的监控数据，提出了许多血糖预测的模型及方法。

Meriyan Eren-Orukul采用自适应系统对患者的血糖预测进行了研究。该研宄包括2个部分，一部分进行糖尿病患者血糖未来值的预测，另一部分进行低血糖预警工作。文章考虑人的血糖波动变化情况受运动、饮食量、情感等多方面的影响，采用多变量预测模型进行提前30min的血糖预测。结果表明，与采用单变量的血糖预测模型相比，采用此算法计算出的预测误差值（RAD和SSGPE) 显著减少。

Ke Yan采用特征选择和模型融合相结合的呼吸分析系统来进行血糖的预测。在此文中，一个拥有10个气体传感器的呼吸分析设备被设计来测量呼吸样本。从这些信号传感器中可以提取短暂的特征。使用向前选择法可以找到最丰富的特征。实验使用36个糖尿病患者的203个呼吸样本。结果表明，与其他类似的功能和模型融合方法相比，本文所提出的特征模型的准确度更好更有效。系统的平均绝对误差和平均相对绝对分别是2.07mmol/L和20.69％。

Hajrudin Efendic提出用区间概率模型对糖尿病患者的血糖浓度进行短期预测。此文进行的是区间的预测，而不是单一值的预测。基于生理学建立的区间模型可以描述血糖的变换情况。使用高斯混合模型和来自病人的真实数据进行实验。结果表明，不管病人吃饭与否，白天还是晚上，此模型均可以进行10 到30分的血糖预测。

Wenxiang Xao提出基于健康检查数据和数据挖掘技术的空腹血糖变化预测模型。空腹血糖(FBG)对于人类的健康是一个重要的指标，预测FBG对于治疗糖尿病有重要的意义。基于四年的历史健康检查数据和传统的数据挖掘技术，提出空腹血糖预测模型。文中采用新型算法去估计空腹血糖变化的可能性，特征选择算法来选择最优的特征子集。实验数据来自于健康检查数据库，其中包括108386个用户，有四年历史数据的用户是7136人。实验结果表明，相比于传统的支持向量机和随机森林法，特征选择算法能够改善两者的性能。与此同时，提出的选择算法对于空腹血糖的变化有一个更直观地描述。

C.Perez-Gandia采用人工神经网络算法对患者的血糖进行了连续的预测。文章中采用的输入数据同样采用CGMS采集得到的，输出的是提前15min、 30min的血糖预测值。结果显示，与自回归模型(Autoregressive Model)的实验结果相比，用人工神经网络模型对血糖的预测是可靠的，并且其预测精度比AR 模型的精度要高。

M.Garcia-Jaramillo采用模型内部参数可变来预测I型糖尿病患者的餐后血糖浓度。文章采用对最原始的算法重新改写成复杂度不同的三种最优模型，采用相同的数据对血糖进行预测，对比三种不同的结果。结果显示，在大多数参数变化情况下，复杂度简单的模型可能足以描述病人的血糖波动情况。