論文の概要: Machine Learning and Bioinformatics for Diagnosis Analysis of Obesity
Spectrum Disorders
- arxiv url: http://arxiv.org/abs/2208.03139v1
- Date: Fri, 5 Aug 2022 13:07:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-08 12:58:03.786318
- Title: Machine Learning and Bioinformatics for Diagnosis Analysis of Obesity
Spectrum Disorders
- Title(参考訳): 肥満スペクトラム障害の診断のための機械学習とバイオインフォマティクス
- Authors: Amin Gasmi (SOFNNA)
- Abstract要約: 肥満患者の数は、摂食生活と不適切な食事が原因で倍増している。
肥満の人は異なる慢性疾患に苦しむため、平均寿命は80歳から75歳に低下した。
本報告では,肥満の原因を特徴付け,予測し,分析するためにMLデータセットを用いた小児・成人の肥満問題に対処する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Globally, the number of obese patients has doubled due to sedentary
lifestyles and improper dieting. The tremendous increase altered human
genetics, and health. According to the world health organization, Life
expectancy dropped from 80 to 75 years, as obese people struggle with different
chronic diseases. This report will address the problems of obesity in children
and adults using ML datasets to feature, predict, and analyze the causes of
obesity. By engaging neural ML networks, we will explore neural control using
diffusion tensor imaging to consider body fats, BMI, waist \& hip ratio
circumference of obese patients. To predict the present and future causes of
obesity with ML, we will discuss ML techniques like decision trees, SVM, RF,
GBM, LASSO, BN, and ANN and use datasets implement the stated algorithms.
Different theoretical literature from experts ML \& Bioinformatics experiments
will be outlined in this report while making recommendations on how to advance
ML for predicting obesity and other chronic diseases.
- Abstract(参考訳): 世界の肥満患者数は、摂食生活と不適切な食事が原因で倍増している。
人類の遺伝学や健康も大きく変化した。
世界保健機関(WHO)によると、肥満の人は異なる慢性疾患に苦しむため、平均寿命は80歳から75歳に低下した。
本報告では,肥満の原因を特徴付け,予測し,分析するためにMLデータセットを用いた小児・成人の肥満問題に対処する。
神経mlネットワークに係わることにより,拡散テンソルイメージングを用いた神経制御を探求し,肥満患者の体脂肪,bmi,腰ヒップ比について検討する。
MLにおける肥満の現在および将来の原因を予測するため、決定木、SVM、RF、GBM、LASSO、BN、ANNなどのML技術について議論し、そのアルゴリズムを実装する。
本報告では, ML とバイオインフォマティクス実験の異なる理論的文献を概説するとともに, 肥満やその他の慢性疾患の予測にML をどう進めるかを推奨する。
関連論文リスト
- 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) - DeepHealthNet: Adolescent Obesity Prediction System Based on a Deep
Learning Framework [27.82565790353953]
小児および青年期の肥満率は、肥満が慢性疾患や長期の健康リスクと関連しているため、世界的な懸念である。
本研究は,肥満関連健康問題の早期発見と予防の重要性を強調した。
肥満率予測のための堅牢なアルゴリズムを開発するためには、身長、体重、腰回り、カロリー摂取量、身体活動量、その他の健康情報などの要因を考慮する必要がある。
論文 参考訳(メタデータ) (2023-08-28T15:40:31Z) - OBESEYE: Interpretable Diet Recommender for Obesity Management using
Machine Learning and Explainable AI [0.0]
多くの非感染性疾患の主要な原因である肥満は、主に私たちの身体の要求よりも多くを食べるために起こります。
各栄養素の正確な量を知るのは難しいのは、栄養素の要求が物理的および疾患の状態によって異なるためである。
我々は,個人が健康に必要な栄養素量を予測するための,機械学習に基づく新しいシステムを提案した。
論文 参考訳(メタデータ) (2023-08-05T06:02:28Z) - 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) - Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。
グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。
当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
論文 参考訳(メタデータ) (2022-04-22T17:27:00Z) - Identifying the Leading Factors of Significant Weight Gains Using a New
Rule Discovery Method [0.0]
我々はこの問題を研究するためにルール発見法を用いる。
X 側からトップ機能をどのように抽出するかを示し、Y の最良の予測因子として機能する。
論文 参考訳(メタデータ) (2021-11-04T19:10:33Z) - MOFit: A Framework to reduce Obesity using Machine learning and IoT [0.0]
都市部における鎮静式生活様式が最盛期を迎えており、早期に肥満を患う人が増えている。
本研究では,肥満度を予測できるモデルをトレーニングするために,機械学習アルゴリズムを用いたフレームワークの提供を目的とする。
論文 参考訳(メタデータ) (2021-08-19T18:26:51Z) - Brain Age Estimation From MRI Using Cascade Networks with Ranking Loss [75.03117866578913]
T1強調MRIデータから脳年齢を推定するために,新しい3次元畳み込みネットワークである2段エイジネットワーク(TSAN)を提案する。
686ドルのMRIによる実験では、TSANが正確な脳年齢を推定できることが示された。
論文 参考訳(メタデータ) (2021-06-06T07:11:25Z) - Universal Loss Reweighting to Balance Lesion Size Inequality in 3D
Medical Image Segmentation [50.63623720394348]
ネットワークの小さな病変の検出能力を高めるために,損失再重み付け手法を提案する。
Dice Loss, Focal Loss, Asymmetric similarity Lossなど,よく知られた損失関数に対する本手法の利点を報告する。
実験の結果, 逆重み付けは検出品質を著しく向上させる一方で, 最先端のデライン化品質を保っていることがわかった。
論文 参考訳(メタデータ) (2020-07-20T12:08:22Z) - 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。