論文の概要: Predictive Modeling of Menstrual Cycle Length: A Time Series Forecasting Approach

• arxiv url: http://arxiv.org/abs/2308.07927v1
• Date: Sun, 11 Jun 2023 19:53:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 14:08:53.818651
• Title: Predictive Modeling of Menstrual Cycle Length: A Time Series Forecasting Approach
• Title（参考訳）: 月経周期長の予測モデル:時系列予測手法
• Authors: Rosana C. B. Rego
• Abstract要約: 月経周期の適切な予測は、個人がサイクルに関連する不快を最小化するために予防行動をとることができるため、女性の健康にとって有意義である。 本研究では,通常の月経周期と不規則周期を予測するための機械学習手法について検討した。
• 参考スコア（独自算出の注目度）: 1.0878040851638
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A proper forecast of the menstrual cycle is meaningful for women's health, as it allows individuals to take preventive actions to minimize cycle-associated discomforts. In addition, precise prediction can be useful for planning important events in a woman's life, such as family planning. In this work, we explored the use of machine learning techniques to predict regular and irregular menstrual cycles. We implemented some time series forecasting algorithm approaches, such as AutoRegressive Integrated Moving Average, Huber Regression, Lasso Regression, Orthogonal Matching Pursuit, and Long Short-Term Memory Network. Moreover, we generated synthetic data to achieve our purposes. The results showed that it is possible to accurately predict the onset and duration of menstrual cycles using machine learning techniques.
• Abstract（参考訳）: 月経周期の適切な予測は、周期に伴う不快を最小化するために予防措置を取ることができるため、女性の健康にとって意味がある。 さらに、正確な予測は、家族計画のような女性の人生における重要な出来事を計画するのに有用である。 本研究では,通常の月経周期と不規則周期を予測する機械学習手法について検討した。 時系列予測アルゴリズムとして,AutoRegressive Integrated Integrated Average, Huber Regression, Lasso Regression, Orthogonal Matching Pursuit, Long Short-Term Memory Networkなどを実装した。 さらに,目的を達成するために合成データを作成した。 その結果,機械学習を用いて月経周期の開始と持続時間を正確に予測できることがわかった。

関連論文リスト

• Ordinal Learning: Longitudinal Attention Alignment Model for Predicting Time to Future Breast Cancer Events from Mammograms [16.06975226476176]
  OA-BreaCR は,BC のリスクおよび時間・将来の予測タスクにおいて,既存の手法よりも優れる。 以上の結果から,BC検診・予防活動の強化に向けた解釈的かつ正確なリスク評価の重要性が示唆された。
  論文  参考訳（メタデータ） (2024-09-10T22:03:26Z)
• RNN-BOF: A Multivariate Global Recurrent Neural Network for Binary Outcome Forecasting of Inpatient Aggression [3.789219860006095]
  患者の将来リスクを時系列データから学習する時系列手法を用いてモデル化することを提案する。 我々は、83人の実世界の患者を対象とした移動窓トレーニングスキームを用いて、攻撃的な事象の存在を表すメインバイナリ時系列を表現している。
  論文  参考訳（メタデータ） (2023-12-02T04:42:22Z)
• Performative Time-Series Forecasting [71.18553214204978]
  我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。 本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。 新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
  論文  参考訳（メタデータ） (2023-10-09T18:34:29Z)
• Path Signatures for Seizure Forecasting [0.6282171844772422]
  患者固有の方法で発作を予測するための予測的特徴(バイオマーカー)の自動発見を検討する。 データストリームの解析における最近の進展であるパスシグネチャを用いて、測定時系列から発作予測までをマップする。
  論文  参考訳（メタデータ） (2023-08-18T05:19:18Z)
• Time Associated Meta Learning for Clinical Prediction [78.99422473394029]
  本稿では,時間関連メタラーニング(TAML)手法を提案する。 タスク分割後のスパーシリティ問題に対処するため、TAMLは時間情報共有戦略を採用し、正のサンプル数を増やす。 複数の臨床データセットに対するTAMLの有効性を示す。
  論文  参考訳（メタデータ） (2023-03-05T03:54:54Z)
• Towards Out-of-Distribution Sequential Event Prediction: A Causal Treatment [72.50906475214457]
  シーケンシャルなイベント予測の目標は、一連の歴史的なイベントに基づいて次のイベントを見積もることである。 実際には、次のイベント予測モデルは、一度に収集されたシーケンシャルなデータで訓練される。 文脈固有の表現を学習するための階層的な分岐構造を持つフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-24T07:54:13Z)
• Effective and Efficient Training for Sequential Recommendation using Recency Sampling [91.02268704681124]
  本稿では,新しいRecency-based Smpling of Sequencesトレーニング目標を提案する。 提案手法により拡張されたモデルにより,最先端のBERT4Recに近い性能が得られることを示す。
  論文  参考訳（メタデータ） (2022-07-06T13:06:31Z)
• A generative, predictive model for menstrual cycle lengths that accounts for potential self-tracking artifacts in mobile health data [0.0]
  既定のサイクル長に基づくサイクル長予測のための階層的生成モデルを提案し,評価する。 5,000メンスルータの実際のmHealthサイクル長データを用いた実験により,本手法は最先端の性能を示すことが示された。
  論文  参考訳（メタデータ） (2021-02-24T18:00:26Z)
• Individual dynamic prediction of clinical endpoint from large dimensional longitudinal biomarker history: a landmark approach [0.0]
  本稿では,多種多様なマーカーの繰り返し測定を活用できる健康事象の動的予測手法を提案する。 Rで実施した手法により,繰り返しマーカーの数が多い場合でも,患者の縦断的履歴全体を用いた事象の予測が可能となった。
  論文  参考訳（メタデータ） (2021-02-02T12:36:18Z)
• Clinical Risk Prediction with Temporal Probabilistic Asymmetric Multi-Task Learning [80.66108902283388]
  マルチタスク学習手法は、臨床リスク予測などの安全クリティカルな応用に注意を払って使用すべきである。 既存の非対称なマルチタスク学習手法は、低損失のタスクから高損失のタスクへの知識伝達を行うことにより、この負の伝達問題に対処する。 特徴レベルの不確実性に基づいて,特定のタスク/タイムステップから関連する不確実なタスクへの知識伝達を行う,新しい時間的非対称型マルチタスク学習モデルを提案する。
  論文  参考訳（メタデータ） (2020-06-23T06:01:36Z)
• Short Term Blood Glucose Prediction based on Continuous Glucose Monitoring Data [53.01543207478818]
  本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。 短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
  論文  参考訳（メタデータ） (2020-02-06T16:39:44Z)

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。