Development of Time Series AI Framework and Blood Glucose Level Forecasting

Bc. Andrej Kubanda

Master's thesis

Anotácia:

Práca predstavuje návrh a implementáciu frameworku na analýzu časových radov a hlboké učenie v zabezpečenom Kubernetes prostredí SensitiveCloud. Následne je framework použitý na trénovanie modelov na predikciu hladiny glukózy v krvi u pacientov s cukrovkou 2. typu v rámci projektu DICATIL pod vedením profesora Matoulka z 1. lekárskej fakulty Univerzity Karlovy. Na záver práce používame metódy vysvetliteľnosti na interpretáciu natrénovaných modelov a získanie vhľadu do ich rozhodovacích procesov.

Abstract:

The thesis presents a design and implementation of an end-to-end framework for time series analysis and deep learning within a secured SensitiveCloud Kubernetes environment. Subsequently, the framework is employed to train models for blood glucose level prediction among type 2 diabetes patients as part of the DICATIL project led by Prof. Matoulek from the First Faculty of Medicine, Charles University. Finally, we use AI explainability methods to interpret the trained models and gain insights into their decision-making process.

Keywords

blood glucose level prediction, T2DM, time series forecasting, deep learning framework, data visualization, AI explainability

Jazyk práce: English

Datum vytvoření / odevzdání či podání práce: 21. 5. 2024

Obhajoba závěrečné práce

• Obhajoba proběhla 19. 6. 2024
• Vedúci: doc. RNDr. Petr Holub, Ph.D.
• Oponent: doc. Mgr. Bc. Vít Nováček, PhD

Masaryk University

Faculty of Informatics

Master programme / odbor:
Artificial intelligence and data processing / Machine learning and artificial intelligence