Fugu-MT 論文翻訳(概要): On the Management of Type 1 Diabetes Mellitus with IoT Devices and ML Techniques

論文の概要: On the Management of Type 1 Diabetes Mellitus with IoT Devices and ML Techniques

arxiv url: http://arxiv.org/abs/2101.02409v1
Date: Thu, 7 Jan 2021 07:31:32 GMT
ステータス: 処理完了
システム内更新日: 2021-04-10 13:48:51.239702
Title: On the Management of Type 1 Diabetes Mellitus with IoT Devices and ML Techniques
Title（参考訳）: IoTデバイスとML技術を用いた1型糖尿病の治療について
Authors: Ignacio Rodriguez
Abstract要約: この原稿は、Internet of Things環境における糖尿病Mellitus type 1およびMachine Learning技術の主要な研究ラインを紹介します。バイオセンサーによるデータ収集、クラウドでの大規模なデータ処理、バイオデバイスの相互接続、ローカルコンピューティングとクラウドコンピューティング、血糖値を予測する機械学習技術の可能性。
参考スコア（独自算出の注目度）: 0.630926369395004
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The purpose of this Conference is to present the main lines of base projects that are founded on research already begun in previous years. In this sense, this manuscript will present the main lines of research in Diabetes Mellitus type 1 and Machine Learning techniques in an Internet of Things environment, so that we can summarize the future lines to be developed as follows: data collection through biosensors, massive data processing in the cloud, interconnection of biodevices, local computing vs. cloud computing, and possibilities of machine learning techniques to predict blood glucose values, including both variable selection algorithms and predictive techniques.
Abstract（参考訳）: この会議の目的は、すでに数年前に始まった研究に基づいて設立された基礎プロジェクトの基本ラインを提示することである。 In this sense, this manuscript will present the main lines of research in Diabetes Mellitus type 1 and Machine Learning techniques in an Internet of Things environment, so that we can summarize the future lines to be developed as follows: data collection through biosensors, massive data processing in the cloud, interconnection of biodevices, local computing vs. cloud computing, and possibilities of machine learning techniques to predict blood glucose values, including both variable selection algorithms and predictive techniques.

関連論文リスト

Defect Classification in Additive Manufacturing Using CNN-Based Vision Processing [76.72662577101988]
本稿では、まず、畳み込みニューラルネットワーク(CNN)を用いて、画像データセットの欠陥をAMから第2に正確に分類し、発達した分類モデルにアクティブラーニング技術を適用する。これにより、トレーニングデータやトレーニングデータの生成に必要なデータのサイズを削減できる、ヒューマン・イン・ザ・ループ機構の構築が可能になる。
論文参考訳（メタデータ） (2023-07-14T14:36:58Z)
Realizing Molecular Machine Learning through Communications for Biological AI: Future Directions and Challenges [4.059849656394191]
分子機械学習(MML)に向けて、従来の装置よりもはるかに小さいスケールと媒体について検討する。 MMLの操作の基礎は、化学反応を通じて分子によって伝播される情報の輸送、処理、解釈である。私たちは将来的な方向性と、この分野が解決できる課題に注目します。
論文参考訳（メタデータ） (2022-12-22T17:53:25Z)
Unsupervised pre-training of graph transformers on patient population graphs [48.02011627390706]
異種臨床データを扱うグラフ変換器を用いたネットワークを提案する。自己教師型, 移動学習環境において, 事前学習方式の利点を示す。
論文参考訳（メタデータ） (2022-07-21T16:59:09Z)
Collaborative Machine Learning-Driven Internet of Medical Things -- A Systematic Literature Review [0.0]
医療におけるIoTデバイスの採用の増加により、研究者はこれらのデバイスによって生成されたすべてのデータを使用して、インテリジェンスを構築することが可能になった。健康のモニタリングと診断は、そのようなデバイスが有益であることが証明された2つの最も一般的なシナリオである。高い予測精度を達成することが最初は最優先事項であったが、焦点は徐々に効率と高いスループットにシフトしている。
論文参考訳（メタデータ） (2022-07-13T12:28:17Z)
2021 BEETL Competition: Advancing Transfer Learning for Subject Independence & Heterogenous EEG Data Sets [89.84774119537087]
我々は、診断とBCI(Brain-Computer-Interface)に関する2つの伝達学習課題を設計する。第1タスクは、患者全体にわたる自動睡眠ステージアノテーションに対処する医療診断に重点を置いている。タスク2はBrain-Computer Interface (BCI)に集中しており、被験者とデータセットの両方にわたる運動画像のデコードに対処する。
論文参考訳（メタデータ） (2022-02-14T12:12:20Z)
Deep metric learning improves lab of origin prediction of genetically engineered plasmids [63.05016513788047]
遺伝工学の属性(GEA)は、配列-ラブの関連を作る能力である。本稿では,計量学習に基づいて,最も可能性の高い実験室をランク付けする手法を提案する。我々は、特定の実験室のプラスミド配列のキーシグネチャを抽出することができ、モデル出力の解釈可能な検査を可能にする。
論文参考訳（メタデータ） (2021-11-24T16:29:03Z)
Explainable predictions of different machine learning algorithms used to predict Early Stage diabetes [0.0]
糖尿病はいくつかの機械学習アルゴリズムで容易に診断できる。本稿では、ランダムフォレスト、決定木、人工ニューラルネットワーク、K Nearest Neighbor、Support Vector Machine、XGBoostといった機械学習アルゴリズムの比較分析を行った。実験結果によると、ランダムフォレストアルゴリズムは、この特定のデータセットで99%の精度で他のアルゴリズムよりも優れています。
論文参考訳（メタデータ） (2021-11-18T20:29:03Z)
Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文参考訳（メタデータ） (2021-11-09T13:30:34Z)
A Comparative Study of Machine Learning Methods for Predicting the Evolution of Brain Connectivity from a Baseline Timepoint [0.0]
コネクトームとも呼ばれる脳ネットワークの進化を予測することで、接続に関連する神経疾患を早期に発見することができる。私たちはKaggleコンペティションを開催し、20の競合チームが単一の時間ポイントから脳の接続性進化を予測するための高度な機械学習パイプラインを設計しました。
論文参考訳（メタデータ） (2021-09-16T06:13:49Z)
Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文参考訳（メタデータ） (2020-10-20T08:36:51Z)
Model-Based Reinforcement Learning for Type 1Diabetes Blood Glucose Control [0.0]
本研究では,1型糖尿病患者のインスリン摂取量決定を支援するためのモデルベース強化学習について検討した。提案アーキテクチャは、複数のEcho State Networksで構成され、計画のためのモデル予測コントローラと組み合わせて血糖値を予測する。
論文参考訳（メタデータ） (2020-10-13T10:17:30Z)

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。