Πρόβλεψη γλυκόζης με γραμμικά και προσαρμοστικά μοντέλα σε μικροελεγκτή ESP32
| datacite.contributor.RelatedPerson | Ψαράκης, Εμμανουήλ | |
| datacite.contributor.RelatedPerson | Δερματάς, Ευάγγελος | |
| datacite.contributor.Supervisor | Γεώργιος Ζερβάκης | |
| dc.contributor.author | Ποδηματά, Θεοδώρα-Παναγιώτα | |
| dc.contributor.other | Podimata, Theodora-Panagiota | |
| dc.date.accessioned | 2026-02-18T06:41:53Z | |
| dc.date.available | 2026-02-18T06:41:53Z | |
| dc.date.issued | 2026-02-17 | |
| dc.degree | graduateThesis | |
| dc.description.abstract | Ο σακχαρώδης διαβήτης αποτελεί μία από τις πλέον διαδεδομένες χρόνιες παθήσεις παγκοσμίως, επηρεάζοντας περισσότερο από το 10% του πληθυσμού. Ιδιαίτερα στον σακχαρώδη διαβήτη τύπου 1, η ρύθμιση της γλυκόζης εξαρτάται αποκλειστικά από την εξωγενή χορήγηση ινσουλίνης, καθιστώντας κρίσιμη την έγκαιρη και αξιόπιστη πρόβλεψη των μελλοντικών επιπέδων γλυκόζης. Στην παρούσα διπλωματική εργασία εξετάζεται το πρόβλημα της πρόβλεψης της γλυκόζης σε χρονικούς ορίζοντες 5, 30 και 60 λεπτών, αξιοποιώντας δεδομένα συνεχούς καταγραφής γλυκόζης από το σύνολο δεδομένων OhioT1D. Η μελέτη εστιάζει σε απλές και υπολογιστικά αποδοτικές μεθόδους πρόβλεψης, βασισμένες σε γραμμικά και προσαρμοστικά μοντέλα, με στόχο την αξιόπιστη εκτίμηση της μελλοντικής πορείας της γλυκόζης ακόμη και σε περιπτώσεις ελλιπών μετρήσεων. Τα αποτελέσματα καταδεικνύουν ότι ελαφριές προσεγγίσεις μπορούν να προσφέρουν ικανοποιητική ακρίβεια πρόβλεψης, ενώ παράλληλα παρουσιάζουν πλεονεκτήματα ως προς το υπολογιστικό κόστος και την καταλληλότητά τους για εφαρμογές πραγματικού χρόνου σε ενσωματωμένα συστήματα, αναδεικνύοντας τις δυνατότητές τους για χρήση σε πραγματικές συνθήκες που υποστηρίζουν τη διαχείριση του διαβήτη. | |
| dc.description.translatedabstract | Diabetes mellitus is one of the most widespread chronic diseases worldwide, affecting more than 10% of the world’s population. Particularly in type 1 diabetes mellitus, glucose regulation depends exclusively on the exogenous administration of insulin, making timely and reliable predictions of future glucose levels tremendously important. In this diploma thesis, the problem of glucose prediction over 5, 30 and 60 minute periods of time is examined, using continuous glucose monitoring data from the OhioT1D dataset. The study focuses on simple and computationally efficient prediction methods based on linear and adaptive models, aiming at a reliable estimation of the future glucose trajectory even in cases of incomplete measurements. The results demonstrate that lightweight and easily interpretable approaches can provide satisfactory predictive accuracy, while also offering advantages in terms of computational cost and suitability for real-time applications in embedded systems, highlighting their potential for use in real life scenarios supporting diabetes regulation. | |
| dc.identifier.uri | https://hdl.handle.net/10889/31286 | |
| dc.language.iso | el | |
| dc.rights | Attribution-NoDerivs 3.0 Greece | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nd/3.0/gr/ | |
| dc.subject | Πρόβλεψη γλυκόζης | |
| dc.subject | Γραμμική παλινδρόμηση | |
| dc.subject.alternative | Glucose prediction | |
| dc.subject.alternative | OhioT1D | |
| dc.subject.alternative | Linear regression | |
| dc.subject.alternative | Edge computing | |
| dc.title | Πρόβλεψη γλυκόζης με γραμμικά και προσαρμοστικά μοντέλα σε μικροελεγκτή ESP32 | |
| dc.title.alternative | Glucose prediction using linear and adaptive models on an ESP32 microcontroller |