Modelagem de Séries Temporais Biomédicas: Um Estudo Comparativo entre PSTA-TCN e TCN Vanilla para Previsão de Dados de Glicose de Pessoas Diabéticas

• Miguel A. Santos UEA
• Áurea H. da S. Melo UEA
• J. S. dos Santos UEA
• I. C. M. Gonçalves UEA
• Waldeyde O. M. Santos UEA
• Luís Cuevas R. UEA

DOI: https://doi.org/10.5753/sbcas.2025.7020

Resumo

Este estudo compara o desempenho de modelos baseados em camadas convolucionais unidimensionais, PSTA-TCN e Vanilla TCN (keras-tcn) na previsão one-step-ahead dos níveis de glicose nos participantes diabéticos. Foram utilizadas medições contínuas de glicose e batimento cardíaco como variáveis preditoras, avaliando os modelos com métricas como MAE, RMSE e medindo o tempo de treinamento. Foram coletados dados contínuos de batimentos cardíacos e glicose de 20 voluntários diabéticos em um período de 3 meses. Os resultados mostram que o Vanilla TCN alcança menor erro preditivo, enquanto o PSTA-TCN apresenta maior eficiência computacional.

Referências

Bai, S., Kolter, J. Z., and Koltun, V. (2018). An empirical evaluation of generic convolutional and recurrent networks for sequence modeling. arXiv preprint arXiv:1803.01271.

Fan, J., Zhang, K., Huang, Y., Zhu, Y., and Chen, B. (2023). Parallel spatio-temporal attention-based tcn for multivariate time series prediction. Neural Computing and Applications, 35(18):13109–13118.

Impedovo, D., Gattulli, V., Sarcinella, L., Veneto, D., Satalino, G., Balenzano, A., Lovergine, F., Albertini, C., Palmisano, D., Mattia, F., et al. (2024). A novel multi-speed dilated convolutional deep neural network architecture for meteorological forecasting. In 2024 IEEE International Humanitarian Technologies Conference (IHTC), pages 1–7. IEEE.

Xie, J. and Wang, Q. (2020). Benchmarking machine learning algorithms on blood glucose prediction for type i diabetes in comparison with classical time-series models. IEEE Transactions on Biomedical Engineering, 67(11):3101–3124.