論文の概要: Development of an Expert System for Diabetic Type-2 Diet

• arxiv url: http://arxiv.org/abs/2003.05104v1
• Date: Sat, 22 Feb 2020 09:34:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-29 19:27:22.490603
• Title: Development of an Expert System for Diabetic Type-2 Diet
• Title（参考訳）: 糖尿病2型食事のエキスパートシステムの開発
• Authors: Ibrahim M. Ahmed, Abeer M. Mahmoud
• Abstract要約: スーダンの多くの農村部は糖尿病食センターへのアクセスを極めて制限している。 提案するエキスパートシステムは,医師の作業量を削減できる有望なツールである。
• 参考スコア（独自算出の注目度）: 1.0152838128195467
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: A successful intelligent control of patient food for treatment purpose must combines patient interesting food list and doctors efficient treatment food list. Actually, many rural communities in Sudan have extremely limited access to diabetic diet centers. People travel long distances to clinics or medical facilities, and there is a shortage of medical experts in most of these facilities. This results in slow service, and patients end up waiting long hours without receiving any attention. Hence diabetic diet expert systems can play a significant role in such cases where medical experts are not readily available. This paper presents the design and implementation of an intelligent medical expert system for diabetes diet that intended to be used in Sudan. The development of the proposed expert system went through a number of stages such problem and need identification, requirements analysis, knowledge acquisition, formalization, design and implementation. Visual prolog was used for designing the graphical user interface and the implementation of the system. The proposed expert system is a promising helpful tool that reduces the workload for physicians and provides diabetics with simple and valuable assistance.
• Abstract（参考訳）: 治療目的の患者食品のインテリジェントな制御に成功するためには、患者の興味深い食品リストと医師による効率的な食品リストを組み合わせる必要がある。 実際、スーダンの多くの農村部は糖尿病食センターへのアクセスを極めて制限している。 人々は診療所や医療施設へ長い距離を旅し、これらの施設のほとんどは医療専門家が不足している。 その結果、サービスは遅くなり、患者は注意を払わずに長時間待つことになる。 したがって、糖尿病のダイエット専門家システムは、医療の専門家が容易に利用できない場合に重要な役割を果たす。 本稿では,スーダンでの使用を意図した糖尿病食に関する知的医療専門家システムの設計と実装について述べる。 提案されたエキスパートシステムの開発は、様々な段階を経て、識別、要求分析、知識獲得、形式化、設計、実装を必要とした。 Visual Prologはグラフィカルなユーザーインタフェースの設計とシステムの実装に使われた。 提案したエキスパートシステムは、医師の作業量を減らし、糖尿病患者にシンプルで価値のある支援を提供する、有望な有用なツールである。

関連論文リスト

• NUTRIVISION: A System for Automatic Diet Management in Smart Healthcare [0.0]
  NutriVisionは、スマートヘルスケアとコンピュータビジョンと機械学習を組み合わせて、栄養と食事管理の課題に対処する。 本稿では,食品の特定,量推定,包括的栄養情報の提供が可能な新しいシステムを提案する。 NutriVisionはスマートフォンベースの画像キャプチャーを通じて、マクロ栄養素の分解、カロリー数、微小栄養素の詳細などのインスタント栄養データを提供する。
  論文  参考訳（メタデータ） (2024-09-30T17:10:25Z)
• An adapted large language model facilitates multiple medical tasks in diabetes care [20.096444964141508]
  大規模言語モデル(LLM)は、様々な医療シナリオにおいて有望であるが、様々な糖尿病タスクにおけるその効果は証明されていない。 本研究は糖尿病特異的LSMを訓練し、検証するための枠組みを導入した。
  論文  参考訳（メタデータ） (2024-09-20T03:47:54Z)
• NutritionVerse-Direct: Exploring Deep Neural Networks for Multitask Nutrition Prediction from Food Images [63.314702537010355]
  自己申告法はしばしば不正確であり、重大な偏見に悩まされる。 近年、食品画像から栄養情報を予測するためにコンピュータビジョン予測システムを用いた研究が進められている。 本稿では,様々なニューラルネットワークアーキテクチャを活用することにより,食事摂取量推定の有効性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-05-13T14:56:55Z)
• How Much You Ate? Food Portion Estimation on Spoons [63.611551981684244]
  現在の画像に基づく食品部分推定アルゴリズムは、ユーザが食事の画像を1、2回取ることを前提としている。 本稿では,静止型ユーザ向けカメラを用いて,機器上の食品の追跡を行う革新的なソリューションを提案する。 本システムは,スープやシチューなどの液状固形不均一混合物の栄養含量の推定に信頼性が高い。
  論文  参考訳（メタデータ） (2024-05-12T00:16:02Z)
• Food Recognition and Nutritional Apps [0.0]
  食品認識と栄養アプリ(英語版)は、糖尿病患者が食事を管理する方法に革命をもたらすかもしれないトレンド技術である。 これらのアプリは糖尿病を管理するための有望なソリューションを提供するが、患者が使うことはめったにない。 本章は、食品の認識と栄養に関するアプリの現状を詳細に評価し、使用を阻害または促進する要因を特定することを目的としている。
  論文  参考訳（メタデータ） (2023-06-20T13:23:59Z)
• Towards the Use of Saliency Maps for Explaining Low-Quality Electrocardiograms to End Users [45.62380752173638]
  診断に医用画像を使用する場合,画像が高品質であることが重要である。 遠隔医療において一般的な問題は、患者が診療所を退院した後にのみ、品質問題が警告されることである。 本稿では,低品質な医用画像をリアルタイムにフラグ付け,説明するためのAIシステムの開発について報告する。
  論文  参考訳（メタデータ） (2022-07-06T14:53:26Z)
• Vision-Based Food Analysis for Automatic Dietary Assessment [49.32348549508578]
  本総説では, 食品画像分析, 容積推定, 栄養素抽出の3段階からなる, 統合型ビジョンベース食事評価(VBDA)の枠組みを概説する。 深層学習により、VBDAは徐々にエンドツーエンドの実装へと移行し、単一のネットワークに食品画像を適用して栄養を直接見積もる。
  論文  参考訳（メタデータ） (2021-08-06T05:46:01Z)
• Large Scale Visual Food Recognition [43.43598316339732]
  これは2000のカテゴリと100万以上のイメージを持つ、最大規模の食品認識データセットです。 food2kはそれらをカテゴリとイメージの両方で1桁ずつバイパスする。 食品認識のためのディーププログレッシブ領域強化ネットワークを提案します。
  論文  参考訳（メタデータ） (2021-03-30T06:41:42Z)
• An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
  基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。 画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。 我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
  論文  参考訳（メタデータ） (2021-03-02T13:14:15Z)
• The Diabetic Buddy: A Diet Regulator andTracking System for Diabetics [3.7026481341955053]
  中東における糖尿病の流行は17-20%であり、世界平均の8-9%を大きく上回っている。 本稿では,市販センサと機械学習を用いて,糖尿病患者の血糖値と食物摂取量の自動追跡方法を提案する。
  論文  参考訳（メタデータ） (2021-01-08T20:03:58Z)
• Point-of-Care Diabetic Retinopathy Diagnosis: A Standalone Mobile Application Approach [0.0]
  医療における深層学習の活用手法が提案され,本論文に導入されている。 深層学習とモバイルアプリケーション開発がこの論文に統合され、糖尿病網膜症のポイント・オブ・ケア・スマートフォンによる診断が容易になった。
  論文  参考訳（メタデータ） (2020-01-26T11:03:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。