論文の概要: Machine learning for the diagnosis of early stage diabetes using
temporal glucose profiles
- arxiv url: http://arxiv.org/abs/2005.08701v1
- Date: Mon, 18 May 2020 13:31:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-01 23:12:22.045179
- Title: Machine learning for the diagnosis of early stage diabetes using
temporal glucose profiles
- Title(参考訳): 時相血糖プロファイルを用いた早期糖尿病診断のための機械学習
- Authors: Woo Seok Lee, Junghyo Jo, and Taegeun Song
- Abstract要約: 糖尿病は慢性疾患であり、早期に疾患の検出を複雑にする長い潜伏期間を有する。
本稿では,グルコース濃度の時間変化の微妙な変化を機械学習で検出することを提案する。
多層パーセプトロン、畳み込みニューラルネットワーク、および繰り返しニューラルネットワークはいずれも85%以上の精度でインスリン抵抗の程度を同定した。
- 参考スコア(独自算出の注目度): 0.20072624123275526
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine learning shows remarkable success for recognizing patterns in data.
Here we apply the machine learning (ML) for the diagnosis of early stage
diabetes, which is known as a challenging task in medicine. Blood glucose
levels are tightly regulated by two counter-regulatory hormones, insulin and
glucagon, and the failure of the glucose homeostasis leads to the common
metabolic disease, diabetes mellitus. It is a chronic disease that has a long
latent period the complicates detection of the disease at an early stage. The
vast majority of diabetics result from that diminished effectiveness of insulin
action. The insulin resistance must modify the temporal profile of blood
glucose. Thus we propose to use ML to detect the subtle change in the temporal
pattern of glucose concentration. Time series data of blood glucose with
sufficient resolution is currently unavailable, so we confirm the proposal
using synthetic data of glucose profiles produced by a biophysical model that
considers the glucose regulation and hormone action. Multi-layered perceptrons,
convolutional neural networks, and recurrent neural networks all identified the
degree of insulin resistance with high accuracy above $85\%$.
- Abstract(参考訳): 機械学習は、データのパターンを認識することに顕著な成功を示している。
本稿では,早期糖尿病の診断に機械学習(ML)を適用する。
血糖値はインスリンとグルカゴンの2つの抗調節ホルモンによって強く制御され、グルコースのホメオスタシスの不全は共通の代謝疾患である糖尿病につながる。
長い潜伏期間を持つ慢性疾患で、早期に疾患の検出が複雑になる。
糖尿病の大多数はインスリン作用の効果を低下させる結果である。
インスリン抵抗性は、血糖値の時間的プロファイルを変更する必要がある。
そこで我々は,グルコース濃度の時間的変化をmlを用いて検出する手法を提案する。
十分な解像度のグルコースの時系列データは現在入手できないので,糖調節とホルモン作用を考慮した生体物理モデルにより生成したグルコースプロファイルの合成データを用いて,本提案を裏付ける。
マルチ層パーセプトロン,畳み込みニューラルネットワーク,リカレントニューラルネットワークはいずれも高い精度でインスリン抵抗の程度を同定した。
関連論文リスト
- Optimizing the Design of an Artificial Pancreas to Improve Diabetes
Management [10.60691612679966]
糖尿病は米国だけでも3800万人に影響を与える。
この治療の目的は、連続したグルコースメーターで測定されるように、血糖値を許容範囲の中央に保持することである。
第二の目標は注射を最小化することであり、これは一部の患者が実施するのが不快で困難である。
本研究では,神経進化を治療の最適な戦略の発見に用いた。
論文 参考訳(メタデータ) (2024-02-10T00:49:46Z) - Patterns Detection in Glucose Time Series by Domain Transformations and
Deep Learning [0.0]
本研究は,血糖値の今後の変動を予測することを目的としており,血糖値の低下が予想される可能性がある。
提案手法は, 有望な結果を得た4種類の糖尿病患者の実データを用いて検討した。
論文 参考訳(メタデータ) (2023-03-30T09:08:31Z) - Benchmarking Continuous Time Models for Predicting Multiple Sclerosis
Progression [46.394865849252696]
多発性硬化症(英: multiple sclerosis)は、脳と脊髄に影響を及ぼす疾患であり、重度の障害を引き起こす可能性があり、既知の治療法がない。
最近の論文では, 成績評価と人口統計データを用いて, 疾患の進行を効果的に予測できることが示されている。
公開されている多発性硬化症データセットを用いて、4つの連続時間モデルをベンチマークする。
最高の継続的モデルは、しばしば最高のベンチマークされた個別の時間モデルより優れていることが分かりました。
論文 参考訳(メタデータ) (2023-02-15T18:45:32Z) - Temporal patterns in insulin needs for Type 1 diabetes [0.0]
1型糖尿病 (Type 1 Diabetes, T1D) は、身体がインスリンをほとんど分泌しない慢性疾患である。
正しいインスリン摂取量と時間を見つけることは、複雑で困難であり、まだ未解決のコントロールタスクである。
本研究ではOpenAPS Data Commonsデータセットを用いて、インスリンに必要な時間的パターンをよく知られた要因によって検出する。
論文 参考訳(メタデータ) (2022-11-14T14:19:50Z) - Less is More: Adaptive Curriculum Learning for Thyroid Nodule Diagnosis [50.231954872304314]
不整合ラベルによるサンプルの発見と破棄を適応的に行うAdaptive Curriculum Learningフレームワークを提案する。
また、TNCD: Thyroid Nodule Classification データセットも提供します。
論文 参考訳(メタデータ) (2022-07-02T11:50:02Z) - Sickle Cell Disease Severity Prediction from Percoll Gradient Images
using Graph Convolutional Networks [38.27767684024691]
シックル細胞病(Sickle cell disease, SCD)は、赤血球の早期破壊を引き起こす重篤な遺伝性ヘモグロビン疾患である。
提案手法は,SCD重大度予測の難問に対する最初の計算手法である。
論文 参考訳(メタデータ) (2021-09-11T21:09:50Z) - Task-wise Split Gradient Boosting Trees for Multi-center Diabetes
Prediction [37.846368153741395]
マルチセンター糖尿病予測タスクにTSGB(Task-wise Split Gradient Boosting Trees)を提案する。
TSGBはいくつかの最先端手法に対して優れた性能を発揮する。
TSGB法は早期診断のためのオンライン糖尿病リスク評価ソフトウェアとして展開されている。
論文 参考訳(メタデータ) (2021-08-16T14:22:44Z) - Deep Personalized Glucose Level Forecasting Using Attention-based
Recurrent Neural Networks [5.250950284616893]
本研究では,血糖予測の問題点について検討し,深いパーソナライズド・ソリューションを提供する。
データを解析し、重要なパターンを検出する。
実データセット上でモデルの有効性を実証的に示す。
論文 参考訳(メタデータ) (2021-06-02T01:36:53Z) - A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading,
and Transferability [76.64661091980531]
糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある
コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。
このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
論文 参考訳(メタデータ) (2020-08-22T07:48:04Z) - Basal Glucose Control in Type 1 Diabetes using Deep Reinforcement
Learning: An In Silico Validation [16.93692520921499]
単一ホルモン(インスリン)と二重ホルモン(インスリンとグルカゴン)のデリバリーのための新しい深層強化学習モデルを提案する。
成体コホートでは、目標範囲のパーセンテージは77.6%から80.9%に改善した。
青年コホートでは、目標範囲のパーセンテージが55.5%から65.9%に改善され、単一ホルモンが制御された。
論文 参考訳(メタデータ) (2020-05-18T20:13:16Z) - Short Term Blood Glucose Prediction based on Continuous Glucose
Monitoring Data [53.01543207478818]
本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。
短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
論文 参考訳(メタデータ) (2020-02-06T16:39:44Z)
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。