論文の概要: DeepHealthNet: Adolescent Obesity Prediction System Based on a Deep Learning Framework

• arxiv url: http://arxiv.org/abs/2308.14657v2
• Date: Thu, 31 Aug 2023 01:21:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-01 11:31:44.007859
• Title: DeepHealthNet: Adolescent Obesity Prediction System Based on a Deep Learning Framework
• Title（参考訳）: DeepHealthNet:ディープラーニングフレームワークに基づく青年期の肥満予測システム
• Authors: Ji-Hoon Jeong, In-Gyu Lee, Sung-Kyung Kim, Tae-Eui Kam, Seong-Whan Lee, Euijong Lee
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 27.82565790353953
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Childhood and adolescent obesity rates are a global concern because obesity is associated with chronic diseases and long-term health risks. Artificial intelligence technology has emerged as a promising solution to accurately predict obesity rates and provide personalized feedback to adolescents. This study emphasizes the importance of early identification and prevention of obesity-related health issues. Factors such as height, weight, waist circumference, calorie intake, physical activity levels, and other relevant health information need to be considered for developing robust algorithms for obesity rate prediction and delivering personalized feedback. Hence, by collecting health datasets from 321 adolescents, we proposed an adolescent obesity prediction system that provides personalized predictions and assists individuals in making informed health decisions. Our proposed deep learning framework, DeepHealthNet, effectively trains the model using data augmentation techniques, even when daily health data are limited, resulting in improved prediction accuracy (acc: 0.8842). Additionally, the study revealed variations in the prediction of the obesity rate between boys (acc: 0.9320) and girls (acc: 0.9163), allowing the identification of disparities and the determination of the optimal time to provide feedback. The proposed system shows significant potential in effectively addressing childhood and adolescent obesity.
• Abstract（参考訳）: 小児および青年の肥満率は、慢性疾患や長期健康リスクに関連するため、世界的に懸念されている。 人工知能技術は、肥満率を正確に予測し、青少年にパーソナライズされたフィードバックを提供する、有望なソリューションとして登場した。 本研究は,肥満関連疾患の早期発見と予防の重要性を強調する。 肥満率の予測とパーソナライズされたフィードバックを提供するためのロバストなアルゴリズムを開発するには,身長,体重,腰回り,カロリー摂取量,身体活動レベル,その他の関連する健康情報などの要因を考慮する必要がある。 そこで, 青少年321人の健康データセットを収集し, 個人別予測と情報的健康判断支援を行う青年期の肥満予測システムを提案した。 提案するディープラーニングフレームワークであるDeepHealthNetは,日々の健康データが制限されている場合でも,データ拡張技術を用いてモデルを効果的に訓練し,予測精度を向上する(acc: 0.8842)。 さらに,男児の肥満率 (acc: 0.9320) と女児の肥満率 (acc: 0.9163) の予測に違いがあることが判明した。 提案するシステムは,小児および青年の肥満に効果的に対処できる可能性が示唆されている。

関連論文リスト

• NutritionVerse-Direct: Exploring Deep Neural Networks for Multitask Nutrition Prediction from Food Images [63.314702537010355]
  自己申告法はしばしば不正確であり、重大な偏見に悩まされる。 近年、食品画像から栄養情報を予測するためにコンピュータビジョン予測システムを用いた研究が進められている。 本稿では,様々なニューラルネットワークアーキテクチャを活用することにより,食事摂取量推定の有効性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-05-13T14:56:55Z)
• Unveiling the Unborn: Advancing Fetal Health Classification through Machine Learning [0.0]
  本研究では,胎児の健康分類のための新しい機械学習手法を提案する。 提案したモデルでは、テストセットで98.31%の精度が得られる。 複数のデータポイントを組み込むことで、我々のモデルはより包括的で信頼性の高い評価を提供する。
  論文  参考訳（メタデータ） (2023-09-30T22:02:51Z)
• WUDI: A Human Involved Self-Adaptive Framework to Prevent Childhood Obesity in Internet of Things Environment [25.046936884407017]
  IoT環境からのライフログデータを使用することで、幼児の肥満を防止するための自己適応型フレームワークが提案されている。 このフレームワークは、アンサンブルベースの学習モデルを使用して、ライフログデータを用いて肥満を予測する。 提案フレームワークは、小児肥満の医療サービスに応用できる。
  論文  参考訳（メタデータ） (2023-08-30T10:52:00Z)
• 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)
• Machine Learning and Bioinformatics for Diagnosis Analysis of Obesity Spectrum Disorders [0.0]
  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。
  論文  参考訳（メタデータ） (2022-08-05T13:07:27Z)
• Who will Leave a Pediatric Weight Management Program and When? -- A machine learning approach for predicting attrition patterns [1.0705399532413615]
  小児科における重度管理プログラムは,肥満と重度肥満の小児の標準治療であると考えられる。 高い落差率(トリクションと呼ばれる)は、介入を成功させる上で大きなハードルとなる。 a) 体重管理プログラムに参加した後, 子どもの身体質量指数(BMI)のパーセンタイルの変化を予測するための機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2022-02-03T18:41:36Z)
• Vision-Based Food Analysis for Automatic Dietary Assessment [49.32348549508578]
  本総説では, 食品画像分析, 容積推定, 栄養素抽出の3段階からなる, 統合型ビジョンベース食事評価(VBDA)の枠組みを概説する。 深層学習により、VBDAは徐々にエンドツーエンドの実装へと移行し、単一のネットワークに食品画像を適用して栄養を直接見積もる。
  論文  参考訳（メタデータ） (2021-08-06T05:46:01Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• 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)
• Inferring the Spatial Distribution of Physical Activity in Children Population from Characteristics of the Environment [5.16880858963093]
  本研究では,地域環境の機能として期待される人口行動をモデル化するための新しい分析手法を提案する。 小地域における身体活動の予測において,本手法を実験的に評価した。 具体的には、ある地域の身体活動レベルを予測するモデルを訓練し、81%のアウトアウト精度を達成した。
  論文  参考訳（メタデータ） (2020-05-08T11:07:35Z)

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。