論文の概要: Modeling glycemia in humans by means of Grammatical Evolution

• arxiv url: http://arxiv.org/abs/2305.04827v1
• Date: Thu, 27 Apr 2023 14:33:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-14 21:08:23.812427
• Title: Modeling glycemia in humans by means of Grammatical Evolution
• Title（参考訳）: 文法進化によるヒトの血糖のモデル化
• Authors: J. Ignacio Hidalgo, J. Manuel Colmenar, Jos\'e L. Risco-Mart\'in, Alfredo Cuesta-Infante, Esther Maqueda, Marta Botella and Jos\'e Antonio Rubio
• Abstract要約: 糖尿病の(半)自動制御で生じる主な問題のひとつは、血糖がインスリン、食物摂取、その他の要因によってどのように変化するかを説明するモデルを得ることである。 本稿では,患者をカスタマイズしたモデルを得るための進化的計算手法を提案する。
• 参考スコア（独自算出の注目度）: 4.26706629463264
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Diabetes mellitus is a disease that affects to hundreds of millions of people worldwide. Maintaining a good control of the disease is critical to avoid severe long-term complications. In recent years, several artificial pancreas systems have been proposed and developed, which are increasingly advanced. However there is still a lot of research to do. One of the main problems that arises in the (semi) automatic control of diabetes, is to get a model explaining how glycemia (glucose levels in blood) varies with insulin, food intakes and other factors, fitting the characteristics of each individual or patient. This paper proposes the application of evolutionary computation techniques to obtain customized models of patients, unlike most of previous approaches which obtain averaged models. The proposal is based on a kind of genetic programming based on grammars known as Grammatical Evolution (GE). The proposal has been tested with in-silico patient data and results are clearly positive. We present also a study of four different grammars and five objective functions. In the test phase the models characterized the glucose with a mean percentage average error of 13.69\%, modeling well also both hyper and hypoglycemic situations.
• Abstract（参考訳）: 糖尿病は世界中の数億人に影響を及ぼす病気である。 疾患の良好なコントロールを維持することは、深刻な長期合併症を避けるために重要である。 近年,いくつかの人工膵システムが提案され,開発が進められている。 しかし、まだ多くの研究が続けられている。 糖尿病の(半)自動コントロールで生じる主な問題は、血糖値(血中グルコース濃度)がインスリン、食物摂取やその他の要因とどのように異なるかを説明するモデルを得ることで、個人または患者の特性に適合する。 本稿では,これまでの平均モデル取得手法と異なり,患者をカスタマイズしたモデルを得るための進化的計算手法の応用を提案する。 この提案は文法進化(GE)として知られる文法に基づく遺伝的プログラミングの一種に基づいている。 この提案は、in-silico患者データでテストされており、結果は明らかに陽性である。 また、4つの異なる文法と5つの目的関数についても検討する。 試験段階では、ブドウ糖の平均平均誤差は13.69 %であり、高血糖状態と低血糖状態の両方をモデル化した。

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)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Optimizing the Design of an Artificial Pancreas to Improve Diabetes Management [10.60691612679966]
  糖尿病は米国だけでも3800万人に影響を与える。 この治療の目的は、連続したグルコースメーターで測定されるように、血糖値を許容範囲の中央に保持することである。 第二の目標は注射を最小化することであり、これは一部の患者が実施するのが不快で困難である。 本研究では,神経進化を治療の最適な戦略の発見に用いた。
  論文  参考訳（メタデータ） (2024-02-10T00:49:46Z)
• 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)
• Out-of-Distribution Generalized Dynamic Graph Neural Network for Human Albumin Prediction [37.289505423558]
  本稿では,ヒトアルバム予測のための動的グラフニューラルネットワークとして,Out-of-Distribution Generalized Dynamic Graph Neural Networkを提案する。 まず,人間のアルブミン予測を動的グラフ回帰問題としてモデル化し,ダイナミックスと患者関係をモデル化する。 最後に、モデルが予測を行うために不変パターンに依存することを奨励する不変動的グラフ回帰法を提案する。
  論文  参考訳（メタデータ） (2023-11-27T05:21:08Z)
• Cross-Model Comparative Loss for Enhancing Neuronal Utility in Language Understanding [82.46024259137823]
  幅広いタスクに対するクロスモデル比較損失を提案する。 3つの異なるNLUタスクから14のデータセットに対する広範な実験により比較損失の普遍的有効性を示す。
  論文  参考訳（メタデータ） (2023-01-10T03:04:27Z)
• Deep Personalized Glucose Level Forecasting Using Attention-based Recurrent Neural Networks [5.250950284616893]
  本研究では,血糖予測の問題点について検討し,深いパーソナライズド・ソリューションを提供する。 データを解析し、重要なパターンを検出する。 実データセット上でモデルの有効性を実証的に示す。
  論文  参考訳（メタデータ） (2021-06-02T01:36:53Z)
• Patient-independent Epileptic Seizure Prediction using Deep Learning Models [39.19336481493405]
  発作予知システムの目的は、発作が起こる前に起こる前頭前脳のステージを正常に識別することである。 患者に依存しない発作予測モデルは、データセット内の複数の被験者に正確なパフォーマンスを提供するように設計されている。 患者に依存しない2つの深層学習アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-11-18T23:13:48Z)
• A Cross-Level Information Transmission Network for Predicting Phenotype from New Genotype: Application to Cancer Precision Medicine [37.442717660492384]
  本稿では,CLEIT(Cross-Level Information Transmission Network)フレームワークを提案する。 ドメイン適応にインスパイアされたCLEITは、まずハイレベルドメインの潜在表現を学び、その後、接地木埋め込みとして利用する。 体細胞突然変異による抗がん剤感受性の予測におけるCLEITの有効性と性能の向上を示す。
  論文  参考訳（メタデータ） (2020-10-09T22:01:00Z)
• 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)
• 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)

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。