論文の概要: Identifying Differential Equations to predict Blood Glucose using Sparse
Identification of Nonlinear Systems
- arxiv url: http://arxiv.org/abs/2209.13852v1
- Date: Wed, 28 Sep 2022 06:11:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-29 17:40:26.613766
- Title: Identifying Differential Equations to predict Blood Glucose using Sparse
Identification of Nonlinear Systems
- Title（参考訳）: 非線形系のスパース同定による血液グルコース予測のための微分方程式の同定
- Authors: David J\"odicke, Daniel Parra, Gabriel Kronberger, Stephan Winkler
- Abstract要約: 本研究では, 糖尿病患者の血糖値のモデル化の可能性について検討した。
インスリンとカロリーに影響を及ぼす変数の組み合わせは、解釈可能なモデルを見つけるために用いられる。
本研究では, 長期血糖動態を微分方程式を用いてシミュレートすることが可能であり, 影響変数がほとんどないことを示す。
- 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: Describing dynamic medical systems using machine learning is a challenging
topic with a wide range of applications. In this work, the possibility of
modeling the blood glucose level of diabetic patients purely on the basis of
measured data is described. A combination of the influencing variables insulin
and calories are used to find an interpretable model. The absorption speed of
external substances in the human body depends strongly on external influences,
which is why time-shifts are added for the influencing variables. The focus is
put on identifying the best timeshifts that provide robust models with good
prediction accuracy that are independent of other unknown external influences.
The modeling is based purely on the measured data using Sparse Identification
of Nonlinear Dynamics. A differential equation is determined which, starting
from an initial value, simulates blood glucose dynamics. By applying the best
model to test data, we can show that it is possible to simulate the long-term
blood glucose dynamics using differential equations and few, influencing
variables.
- Abstract（参考訳）: 機械学習を使って動的医療システムを記述することは、幅広いアプリケーションで挑戦的なトピックである。
本研究は,糖尿病患者の血糖値を測定データに基づいて純粋にモデル化する可能性について述べる。
インスリンとカロリーに影響を及ぼす変数の組み合わせは、解釈可能なモデルを見つけるために用いられる。
人体の外部物質の吸収速度は外部の影響に強く依存しているため、影響する変数には時間シフトが加えられる。
その焦点は、他の未知の外部の影響とは無関係に、予測精度の良い堅牢なモデルを提供する最良の時間シフトを特定することである。
モデリングは、非線形ダイナミクスのスパース同定を用いた測定データに基づいている。
初期値から、血糖値の動態をシミュレートする微分方程式が決定される。
テストデータに最良のモデルを適用することで、微分方程式とほとんど影響しない変数を用いて、長期的な血糖変動をシミュレートできることを示すことができる。
関連論文リスト
- Interpretable Mechanistic Representations for Meal-level Glycemic
Control in the Wild [10.240619571788786]
CGMと食事データの解釈可能な表現を学習するためのハイブリッド変分オートエンコーダを提案する。
本手法は, 力学微分方程式の入力に潜時空間を基底として, 生理的量に反映した埋め込みを生成する。
私たちの埋め込みは、ナイーブ、エキスパート、ブラックボックス、純粋なメカニスティックな特徴よりも最大4倍優れたクラスタを生成します。
論文 参考訳（メタデータ） (2023-12-06T08:36:23Z) - Individualized Dosing Dynamics via Neural Eigen Decomposition [51.62933814971523]
ニューラル固有微分方程式アルゴリズム(NESDE)を導入する。
NESDEは個別化モデリング、新しい治療ポリシーへの調整可能な一般化、高速で連続的でクローズドな予測を提供する。
本研究は, 総合的・現実的な医療問題におけるNESDEの堅牢性を実証し, 学習力学を用いて, 模擬医療体育環境の公開を行う。
論文 参考訳（メタデータ） (2023-06-24T17:01:51Z) - Learning Absorption Rates in Glucose-Insulin Dynamics from Meal
Covariates [28.39179475412449]
食事の栄養素含量は吸収プロファイルに悪影響を及ぼすが、機械的にモデル化することは困難である。
ニューラルネットワークを用いて、個人のグルコース吸収率を予測する。
論文 参考訳（メタデータ） (2023-04-27T16:03:41Z) - Capturing Actionable Dynamics with Structured Latent Ordinary
Differential Equations [68.62843292346813]
本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。
静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
論文 参考訳（メタデータ） (2022-02-25T20:00:56Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z) - Continuous Forecasting via Neural Eigen Decomposition of Stochastic
Dynamics [47.82509795873254]
本稿では,スパース観測と適応力学を用いた逐次予測のためのニューラル固有SDEアルゴリズムを提案する。
NESDEは、スパース観測による効率的な頻繁な予測を可能にするために、力学モデルに固有分解を適用する。
我々は,MIMIC-IVデータセットにおけるヘパリン投与後の血液凝固の患者適応予測を初めて行った。
論文 参考訳（メタデータ） (2022-01-31T22:16:50Z) - Integrating Expert ODEs into Neural ODEs: Pharmacology and Disease
Progression [71.7560927415706]
潜在ハイブリッドモデル(LHM)は、専門家が設計したODEのシステムと機械学習したNeural ODEを統合し、システムのダイナミクスを完全に記述する。
新型コロナウイルス患者のLHMと実世界の集中治療データについて検討した。
論文 参考訳（メタデータ） (2021-06-05T11:42:45Z) - GLYFE: Review and Benchmark of Personalized Glucose Predictive Models in
Type-1 Diabetes [4.17510581764131]
GLYFEは機械学習に基づくグルコース予測モデルのベンチマークである。
ブドウ糖沈降の文献から得られた9つの異なるモデルの結果を報告する。
論文 参考訳（メタデータ） (2020-06-29T11:34:41Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳（メタデータ） (2020-06-11T17:29:53Z) - Unsupervised Pre-trained Models from Healthy ADLs Improve Parkinson's
Disease Classification of Gait Patterns [3.5939555573102857]
パーキンソン病分類のための加速度計歩行データに関連する特徴を抽出する方法を示す。
我々の事前学習したソースモデルは畳み込みオートエンコーダで構成されており、ターゲット分類モデルは単純な多層パーセプトロンモデルである。
本研究は,Parkinson病分類の課題に対する事前学習モデルの選択が与える影響を,異なる活動群を用いて訓練した2つの異なるソースモデルについて検討する。
論文 参考訳（メタデータ） (2020-05-06T04:08:19Z)
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。