Non-Invasive Continuous Real-Time Blood Glucose Estimation Using PPG Features-based Convolutional Autoencoder with TinyML Implementation

In this paper, we developed a convolutional autoencoder for non-invasive continuous monitoring of blood glucose levels (BGL) using four photoplethysmography (PPG) features. The model was specifically designed to account for temporal relations among consecutive PPG segments' features and transie...

Celý popis

Podrobná bibliografie

Vydáno v:	IEEE International Symposium on Circuits and Systems proceedings s. 1 - 5
Hlavní autoři:	Ali, Noor Faris, Aldhaheri, Alyazia, Wodajo, Bethel, Alshamsi, Meera, Alshamsi, Shaikha, Atef, Mohamed
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 19.05.2024
Témata:	Blood Glucose Convolutional Autoencoder Glucose Integrated circuit modeling Machine Learning MCU PPG Predictive models Real-time systems Stability analysis TinyML Topology Transient analysis
ISSN:	2158-1525
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!