Carabias Orti, Julio JoséCañadas Quesada, Francisco JesúsMartínez Cámara, Juan JoséUniversidad de Jaén. Ingeniería de Telecomunicación2022-07-222022-07-222022-07-22https://hdl.handle.net/10953.1/18050En este trabajo de fin de grado se presenta un sistema basado en Deep-Learning para el apoyo a la toma de decisiones sobre la diabetes en base a valores pasados de glucosa en sangre del paciente, evaluando modelos basados en redes recurrentes de tipo Long short-term memory (LSTM) y comparando a su vez con un modelo de regresión lineal del estado del arte. Además, se desarrollará una aplicación para pacientes con diabetes mellitus tipo 1 en la que los pacientes podrán obtener gráficas con predicciones de sus valores futuros de glucosa en sangre que ayuden a optimizar el uso de bolos de insulina.This project presents a system based on Deep-Learning to support decision-making on diabetes based on past values of blood glucose in the patient, evaluating models based on Long short-term memory (LSTM) recurrent networks and comparing it with a state-of-the-art linear regression method. In addition, an application will be developed for patients with type 1 diabetes mellitus in which the patients will be able to obtain graphs with predictions of their blood glucose values to optimize the use of insulin boluses.spainfo:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 3.0 Españahttp://creativecommons.org/licenses/by-nc-nd/3.0/es/Sistemas de TelecomunicaciónSonidoImagenTelecommunication SystemsSoundImage3214 Toxicología3325 Tecnología de las telecomunicacionesTecnología médicaMedical technologyTecnología de las telecomunicacionesTelecommunnications technologyinfo:eu-repo/semantics/bachelorThesis