Fugu-MT 論文翻訳(概要): Continuous Glucose Monitoring Prediction

論文の概要: Continuous Glucose Monitoring Prediction

arxiv url: http://arxiv.org/abs/2101.02557v1
Date: Mon, 4 Jan 2021 21:32:20 GMT
ステータス: 処理完了
システム内更新日: 2021-04-12 00:09:47.195124
Title: Continuous Glucose Monitoring Prediction
Title（参考訳）: 連続グルコースモニタリング予測
Authors: Julia Ann Jose, Trae Waggoner, Sudarsan Manikandan
Abstract要約: 糖尿病は世界で最も致命的な病気の1つであり、世界の成人人口の約10%に影響を及ぼす。 1つの大きな発展は、連続血糖モニタリング(CGM)と呼ばれるシステムです。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Diabetes is one of the deadliest diseases in the world and affects nearly 10 percent of the global adult population. Fortunately, powerful new technologies allow for a consistent and reliable treatment plan for people with diabetes. One major development is a system called continuous blood glucose monitoring (CGM). In this review, we look at three different continuous meal detection algorithms that were developed using given CGM data from patients with diabetes. From this analysis, an initial meal prediction algorithm was also developed utilizing these methods.
Abstract（参考訳）: 糖尿病は世界で最も致命的な病気の1つであり、世界の成人人口の約10%に影響を及ぼす。幸いなことに、強力な新技術は糖尿病患者の一貫性と信頼性のある治療計画を可能にしている。主要な開発は連続血糖モニタリング(CGM)と呼ばれるシステムである。本総説では,糖尿病患者から得られたcgmデータを用いて開発した3種類の連続食事検出アルゴリズムについて検討する。この解析から,これらの手法を用いて初期食事予測アルゴリズムも開発された。

関連論文リスト

Chronic Disease Diagnoses Using Behavioral Data [42.96592744768303]
高血糖(糖尿病)、高脂血症、高血圧(総称3H)を独自の行動データを用いて診断することを目的としている。
論文参考訳（メタデータ） (2024-10-04T12:52:49Z)
From Glucose Patterns to Health Outcomes: A Generalizable Foundation Model for Continuous Glucose Monitor Data Analysis [50.80532910808962]
GluFormerは、トランスフォーマーアーキテクチャに基づく生体医学的時間的データの生成基盤モデルである。 GluFormerは5つの地理的領域にまたがる4936人を含む15の異なる外部データセットに一般化されている。今後4年間の健康状態も予測できる。
論文参考訳（メタデータ） (2024-08-20T13:19:06Z)
Diabetes detection using deep learning techniques with oversampling and feature augmentation [0.3749861135832073]
糖尿病は慢性の病理であり、ここ数年でますます多くの人に影響を与えている。毎年多数の死者が出ている。この病気を患っている多くの人々は、健康状態の深刻さを十分に理解していない。
論文参考訳（メタデータ） (2024-02-03T15:30:20Z)
Machine Learning-Based Diabetes Detection Using Photoplethysmography Signal Features [0.0]
糖尿病は世界中で何百万人もの人々の健康を損なう慢性疾患である。そこで本研究では,非侵襲性光胸腺撮影による糖尿病検出の問題点を克服する別の方法を提案する。 PPG信号とアルゴリズムを用いて非糖尿病患者と糖尿病患者を分類し,ロジスティック回帰とeXtreme Gradient Boostingを訓練した。以上の結果から,糖尿病の検出・予防のための遠隔・非侵襲・連続計測装置の開発に機械学習が期待できることが示唆された。
論文参考訳（メタデータ） (2023-08-02T14:10:03Z)
Early Stage Diabetes Prediction via Extreme Learning Machine [0.0]
糖尿病の46%は診断されていない。糖尿病は、他のいくつかの重篤な疾患を発症し、患者の死亡につながる可能性がある。本稿では,データアンケートに基づく糖尿病予測のための極端な学習機械に基づく新しいアプローチを提案する。
論文参考訳（メタデータ） (2022-02-22T22:23:59Z)
Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文参考訳（メタデータ） (2022-02-17T08:33:52Z)
Enhancing Food Intake Tracking in Long-Term Care with Automated Food Imaging and Nutrient Intake Tracking (AFINI-T) Technology [71.37011431958805]
長期医療(LTC)の住民の半数は、入院、死亡、死亡率、生活の質の低下が悪化している。本稿では,LCCのための食品自動撮像・栄養摂取追跡技術(AFINI-T)について述べる。
論文参考訳（メタデータ） (2021-12-08T22:25:52Z)
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)
Hybrid stacked ensemble combined with genetic algorithms for Prediction of Diabetes [0.0]
糖尿病は、世界で最も一般的で危険で高価な病気の1つです。本研究では、カリフォルニア大学のウェブサイトで、インドの糖尿病に関する実際のデータである実験データを用いています。結果は、98.8%に達した疾患の診断における提案手法の高性能と99%の精度を示した。
論文参考訳（メタデータ） (2021-03-15T07:47:23Z)
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)
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。