論文の概要: Blockchain associated machine learning and IoT based hypoglycemia
detection system with auto-injection feature
- arxiv url: http://arxiv.org/abs/2208.02222v1
- Date: Wed, 27 Jul 2022 03:11:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-07 14:23:12.836332
- Title: Blockchain associated machine learning and IoT based hypoglycemia
detection system with auto-injection feature
- Title(参考訳): 自動注入機能付きブロックチェーン関連機械学習とIoTベースの低血糖検出システム
- Authors: Rahnuma Mahzabin, Fahim Hossain Sifat, Sadia Anjum, Al-Akhir Nayan,
Muhammad Golam Kibria
- Abstract要約: この研究は、低血糖を検知し、生命を救うために自動糖注入を行う自動システムを実装することを目的としている。
グルコースセンサーとスマートウォッチのデータはFog経由で処理され、クラウドに送信された。
低血糖事象が検出されると、システムはモバイルアプリケーションと自動注入装置に通知を送り、凝縮した糖を被害者の体に押し込んだ。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hypoglycemia is an unpleasant phenomenon caused by low blood glucose. The
disease can lead a person to death or a high level of body damage. To avoid
significant damage, patients need sugar. The research aims at implementing an
automatic system to detect hypoglycemia and perform automatic sugar injections
to save a life. Receiving the benefits of the internet of things (IoT), the
sensor data was transferred using the hypertext transfer protocol (HTTP)
protocol. To ensure the safety of health-related data, blockchain technology
was utilized. The glucose sensor and smartwatch data were processed via Fog and
sent to the cloud. A Random Forest algorithm was proposed and utilized to
decide hypoglycemic events. When the hypoglycemic event was detected, the
system sent a notification to the mobile application and auto-injection device
to push the condensed sugar into the victims body. XGBoost, k-nearest neighbors
(KNN), support vector machine (SVM), and decision tree were implemented to
compare the proposed models performance. The random forest performed 0.942
testing accuracy, better than other models in detecting hypoglycemic events.
The systems performance was measured in several conditions, and satisfactory
results were achieved. The system can benefit hypoglycemia patients to survive
this disease.
- Abstract(参考訳): 低血糖は低血糖による不快な現象である。
この病気は、死に至るか、高いレベルの身体損傷を引き起こす可能性がある。
大きな損傷を避けるために、患者は砂糖を必要とします。
本研究の目的は、低血糖を検知し、生命を救うために自動糖注入を行う自動システムを実装することである。
モノのインターネット(IoT)の恩恵を受け、センサーデータはハイパーテキスト転送プロトコル(HTTP)プロトコルを使用して転送された。
健康関連データの安全性を確保するため、ブロックチェーン技術が利用された。
グルコースセンサーとスマートウォッチのデータは霧で処理され、クラウドに送られた。
ランダムフォレストアルゴリズムを提案し,低血糖事象の判定に用いた。
低血糖事象が検出されると、システムはモバイルアプリケーションと自動注入装置に通知を送り、凝縮した糖を被害者の体に押し込んだ。
xgboost、k-nearest neighbors (knn)、 support vector machine (svm)、および decision tree は、提案されたモデルのパフォーマンスを比較するために実装された。
ランダムフォレストは0.942回の試験を行い、他のモデルよりも低血糖事象の検出に優れていた。
システム性能はいくつかの条件で測定され、良好な結果が得られた。
このシステムは低血糖患者にこの病気を治す効果がある。
関連論文リスト
- Type 1 Diabetes Management using GLIMMER: Glucose Level Indicator Model with Modified Error Rate [6.300322064585917]
我々は,血糖値を予測する機械学習手法であるGLIMMERを開発した。
GLIMMERは、グルコース値を正常および異常な範囲に分類し、ジグリセミック事象の精度を優先する新しいカスタム損失関数を考案する。
論文 参考訳(メタデータ) (2025-02-20T01:26:00Z) - Bed-Attached Vibration Sensor System: A Machine Learning Approach for Fall Detection in Nursing Homes [33.45861095003339]
本研究は,医療用ベッドに内蔵された自動転倒検知システムの開発であり,ウェアラブルやビデオ監視を通じて患者のプライバシーを損なうことなく,患者の安全性を高めることを目的としている。
ベッドフレームを介して伝達される機械的振動は、短時間のフーリエ変換を用いて処理され、畳み込みニューラルネットワークを用いて、異なる人間の落下パターンの堅牢な分類を可能にする。
利用可能なデータが限られているにもかかわらず、提案システムは、転倒に対する正確かつ迅速な対応の可能性を示し、健康への影響を軽減し、高齢化人口のニーズに対処する。
論文 参考訳(メタデータ) (2024-12-06T11:08:47Z) - Domain Adaptive Diabetic Retinopathy Grading with Model Absence and Flowing Data [45.75724873443564]
ドメインシフトは、糖尿病網膜症などの臨床応用において重要な課題である。
本稿では,データ中心の観点から適応可能なGUES(Generative Unadversarial Examples)を提案する。
論文 参考訳(メタデータ) (2024-12-02T07:14:25Z) - Hybrid Attention Model Using Feature Decomposition and Knowledge Distillation for Glucose Forecasting [6.466206145151128]
GlucoNetは、行動と生理の健康を継続的に監視するAI駆動のセンサーシステムである。
本稿では,患者の行動・生理的データを組み込んだ分解型トランスフォーマーモデルを提案する。
GGlucoNetは、T1-Diabetesの12人を含むデータを用いて、RMSEの60%の改善とパラメータ数の21%削減を実現している。
論文 参考訳(メタデータ) (2024-11-16T05:09:20Z) - Universal Adversarial Framework to Improve Adversarial Robustness for
Diabetic Retinopathy Detection [33.08089616645845]
糖尿病網膜症(英: Diabetic Retinopathy, DR)は、糖尿病に合併した疾患である。
深層学習に基づくシステムは、臨床診断の自動化支援として徐々に導入されている。
我々は、DRを検出するために、UAP(Universal Adversarial Perturbations)を用いて、メディカルディープニューラルネットワーク(DNN)の脆弱性を定量化する。
論文 参考訳(メタデータ) (2023-12-13T14:58:17Z) - 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) - 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) - Towards self-organized control: Using neural cellular automata to
robustly control a cart-pole agent [62.997667081978825]
我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。
我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
論文 参考訳(メタデータ) (2021-06-29T10:49:42Z) - Stacked LSTM Based Deep Recurrent Neural Network with Kalman Smoothing
for Blood Glucose Prediction [4.040272012640556]
本研究では,長期長期記憶(LSTM)に基づく深部再発ニューラルネットワーク(RNN)モデルを用いた血糖値予測手法を提案する。
6人の異なる患者の8週間のデータを含むOttoT1DMデータセットでは、平均RMSEは6.45と17.24mg/dlを30分60分予測水平線(PH)で達成している。
以上の結果から,t1d糖尿病管理のための人工膵およびインスリン注入システムの性能向上を期待できる,より信頼性の高いbg予測が可能と考えられた。
論文 参考訳(メタデータ) (2021-01-18T02:31:38Z) - Machine learning for the diagnosis of early stage diabetes using
temporal glucose profiles [0.20072624123275526]
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。
論文 参考訳(メタデータ) (2020-05-18T13:31:12Z) - SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier
Detection [63.253850875265115]
外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。
そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
論文 参考訳(メタデータ) (2020-03-11T00:22:50Z)
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。