A method for retrospective calibration of a glucose sensor uses stored values of measured working electrode current (Isig) to calculate a final sensor glucose (SG) value retrospectively. The Isig values may be preprocessed, discrete wavelet decomposition applied. At least one machine learning model, such as, e.g., Genetic Programming (GP) and Regression Decision Tree (DT), may be used to calculate SG values based on the Isig values and the discrete wavelet decomposition. Other inputs may include, e.g., counter electrode voltage (Vcntr) and Electrochemical Impedance Spectroscopy (EIS) data. A plurality of machine learning models may be used to generate respective SG values, which are then fused to generate a fused SG. Fused SG values may be filtered to smooth the data, and blanked if necessary.La présente invention concerne un procédé d'étalonnage rétrospectif d'un capteur de glucose qui utilise des valeurs mémorisées d'un courant d'électrode de travail (Isig) pour calculer rétrospectivement un valeur finale du glucose obtenue par le capteur (SG). Les valeurs d'Isig peuvent être prétraitées, et une décomposition en ondelettes discrètes appliquée. Au moins un modèle d'apprentissage machine, tel que, par exemple, une programmation génétique (GP) et un arbre de décision (DT) obtenu par régression, peut être utilisé pour calculer des valeurs de SG sur la base des valeurs d'Isig et de la décomposition en ondelettes discrètes. D'autres entrées peuvent comprendre, par exemple, les données de tension de la contre-électrode (Vcntr) et de spectroscopie d'impédance électrochimique (SIE). Une pluralité de modèles d'apprentissage machine peuvent être utilisés pour générer des valeurs de SG respectives, qui sont ensuite fusionnées pour générer une valeur de SG fusionnée. Lesdites valeurs de SG fusionnées peuvent être filtrées pour lisser les données, et supprimées si nécessaire.
