論文の概要: Longitudinal cardio-respiratory fitness prediction through free-living wearable sensors

• arxiv url: http://arxiv.org/abs/2205.03116v1
• Date: Fri, 6 May 2022 10:04:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-09 13:57:41.192220
• Title: Longitudinal cardio-respiratory fitness prediction through free-living wearable sensors
• Title（参考訳）: 自由生活型ウェアラブルセンサによる縦型心肺機能予測
• Authors: Dimitris Spathis, Ignacio Perez-Pozuelo, Tomas I. Gonzales, Soren Brage, Nicholas Wareham, Cecilia Mascolo
• Abstract要約: 我々は、自由生活環境下でのウェアラブルセンサからの運動と心拍信号を解析する。 我々は、生センサデータを心呼吸性フィットネス推定に変換するアルゴリズムとモデルを設計する。
• 参考スコア（独自算出の注目度）: 11.990376260559529
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Cardiorespiratory fitness is an established predictor of metabolic disease and mortality. Fitness is directly measured as maximal oxygen consumption (VO2max), or indirectly assessed using heart rate response to a standard exercise test. However, such testing is costly and burdensome, limiting its utility and scalability. Fitness can also be approximated using resting heart rate and self-reported exercise habits but with lower accuracy. Modern wearables capture dynamic heart rate data which, in combination with machine learning models, could improve fitness prediction. In this work, we analyze movement and heart rate signals from wearable sensors in free-living conditions from 11,059 participants who also underwent a standard exercise test, along with a longitudinal repeat cohort of 2,675 participants. We design algorithms and models that convert raw sensor data into cardio-respiratory fitness estimates, and validate these estimates' ability to capture fitness profiles in a longitudinal cohort over time while subjects engaged in real-world (non-exercise) behaviour. Additionally, we validate our methods with a third external cohort of 181 participants who underwent maximal VO2max testing, which is considered the gold standard measurement because it requires reaching one's maximum heart rate and exhaustion level. Our results show that the developed models yield a high correlation (r = 0.82, 95CI 0.80-0.83), when compared to the ground truth in a holdout sample. These models outperform conventional non-exercise fitness models and traditional bio-markers using measurements of normal daily living without the need for a specific exercise test. Additionally, we show the adaptability and applicability of this approach for detecting fitness change over time in the longitudinal subsample that repeated measurements after 7 years.
• Abstract（参考訳）: 循環器フィットネスは代謝性疾患と死亡の予測因子として確立されている。 フィットネスは、最大酸素消費量(VO2max)として直接測定されるか、または標準運動テストに対する心拍反応を用いて間接的に評価される。 しかし、このようなテストはコストと負担がかかり、有用性とスケーラビリティが制限される。 体力は安静時心拍数や自記式運動習慣を用いても近似できるが、精度は低い。 現代のウェアラブルは、ダイナミックな心拍データをキャプチャし、機械学習モデルと組み合わせることで、フィットネス予測を改善することができる。 本研究は,標準運動テストを行った11,059名と,2,675名からなる長手反復コーホートを用いて,ウェアラブルセンサからの運動と心拍信号を自由生活環境で解析した。 我々は,実世界(非運動的)な振る舞いを呈する被験者に対して,生のセンサデータを循環呼吸性フィットネス推定に変換するアルゴリズムとモデルを設計し,これらの推定値の経時的コホートにおけるフィットネスプロファイルの捕捉能力を評価する。 さらに, 最大vo2max試験を行った181名のうち, 最大心拍数と疲労レベルに達する必要があるため, ゴールド標準測定値と見なされる181名の外部コーホートによる検証を行った。 その結果,本モデルはホールドアウトサンプルの基底真理と比較して高い相関(r = 0.82, 95ci 0.80-0.83)が得られることがわかった。 これらのモデルは、特定の運動試験を必要とせず、通常の日常生活を測定することで、従来の非運動性モデルや従来のバイオマーカーよりも優れている。 さらに,7年後に繰り返し測定した長手サブサンプルの適合度変化を経時的に検出する手法の適応性と適用性を示した。

関連論文リスト

• Model-driven Heart Rate Estimation and Heart Murmur Detection based on Phonocardiogram [4.5546756241897235]
  本研究は, 心電図(PCG)データセットを用いて心拍数を推定する。 マルチタスク学習フレームワークにベストパフォーマンスモデルを拡張し、心拍数推定と大腿骨骨折検出を同時に行う。
  論文  参考訳（メタデータ） (2024-07-25T22:56:21Z)
• Self-Supervised Pretraining Improves Performance and Inference Efficiency in Multiple Lung Ultrasound Interpretation Tasks [65.23740556896654]
  肺超音波検査における複数分類課題に適用可能なニューラルネットワーク特徴抽出器を,自己指導型プレトレーニングで作成できるかどうかを検討した。 3つの肺超音波のタスクを微調整すると、事前訓練されたモデルにより、各テストセットの受信操作曲線(AUC)における平均クロスタスク面積は、それぞれ0.032と0.061に改善された。
  論文  参考訳（メタデータ） (2023-09-05T21:36:42Z)
• Body Fat Estimation from Surface Meshes using Graph Neural Networks [48.85291874087541]
  三角体表面メッシュを用いて,グラフニューラルネットワークを用いて,VATおよびASATボリュームを正確に予測できることを示す。 本手法は,この領域の最先端畳み込みニューラルネットワークと比較して,トレーニング時間と必要なリソースを削減しつつ高い性能を実現する。
  論文  参考訳（メタデータ） (2023-07-13T10:21:34Z)
• A Novel real-time arrhythmia detection model using YOLOv8 [0.0]
  本研究は,在宅における心電図(ECG)のリアルタイム不整脈検出の可能性を明らかにするものである。 我々は,MIT-BIH不整脈データセットを微調整した損失修正型YOLOv8モデルを導入し,リアルタイム連続監視を実現する。 我々の研究は、リアルタイム不整脈検出の可能性を示し、ユーザーが自宅の快適さの中でモデル出力を視覚的に解釈できるようにする。
  論文  参考訳（メタデータ） (2023-05-26T08:27:09Z)
• Interpretable estimation of the risk of heart failure hospitalization from a 30-second electrocardiogram [2.167398752829277]
  本研究は,30秒の単心電図信号で心不全の入院を推定できることを示唆する。 機械学習アプローチを使用することで、予測能力が向上するだけでなく、臨床的に意味のある解釈も得られる。
  論文  参考訳（メタデータ） (2022-11-02T01:53:07Z)
• Encoding Cardiopulmonary Exercise Testing Time Series as Images for Classification using Convolutional Neural Network [9.227037203895533]
  エクササイズテストは半世紀以上にわたって利用可能であり、様々な疾患の患者の診断および予後情報のための汎用的なツールである。 本研究では,Glamian Angular Field と Markov Transition Field を用いて時系列を画像としてエンコードする。 心不全とメタボリックシンドロームの分類において,畳み込みニューラルネットワークとアテンションプールアプローチを用いて検討した。
  論文  参考訳（メタデータ） (2022-04-26T16:49:06Z)
• SurvLatent ODE : A Neural ODE based time-to-event model with competing risks for longitudinal data improves cancer-associated Deep Vein Thrombosis (DVT) prediction [68.8204255655161]
  本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。 そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。 SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
  論文  参考訳（メタデータ） (2022-04-20T17:28:08Z)
• Temporal prediction of oxygen uptake dynamics from wearable sensors during low-, moderate-, and heavy-intensity exercise [1.0312968200748118]
  時間的畳み込みネットワーク(TCN)を用いた周期エルゴメータ運動時のVO$の時間的予測について検討した。 本システムは,エクササイズ適応と個人適合性を監視するウェアラブルセンサを用いて,様々な運動強度の非作業環境における定量的な好気性活動モニタリングを可能にする。
  論文  参考訳（メタデータ） (2021-05-20T18:40:17Z)
• Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
  本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。 私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。 提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
  論文  参考訳（メタデータ） (2021-04-29T00:11:32Z)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)
• Robustness to Spurious Correlations via Human Annotations [100.63051542531171]
  本稿では,人間に共通する因果関係の知識を活用して,素因関係に頑健なモデルを構築するための枠組みを提案する。 具体的には、人間のアノテーションを使用して、潜在的な未測定変数でトレーニング例を拡大する。 次に,未測定変数(UV-DRO)に対する分布性に頑健な新たな最適化手法を導入し,テスト時間シフトによる最悪の損失を制御する。
  論文  参考訳（メタデータ） (2020-07-13T20:05:19Z)

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。