GLUCOBENCH

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。

GLUCOBENCH is a comprehensive dataset jointly created by the Department of Statistics and the Department of Electrical and Computer Engineering of Texas A&M University. It aims to provide a standardized evaluation platform for predictive models of continuous glucose monitoring (CGM) data. This dataset includes five public CGM datasets, covering different scales and demographic characteristics, with the number of patients ranging from 5 to over 200. The dataset creation process includes data preprocessing, interpolation and splitting to ensure data quality. GLUCOBENCH is mainly applied in the field of diabetes management, aiming to improve the treatment outcomes and self-management abilities of diabetic patients by enhancing the accuracy of blood glucose trajectory prediction and uncertainty quantification.

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。

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