論文の概要: Nonparametric modeling of the composite effect of multiple nutrients on
blood glucose dynamics
- arxiv url: http://arxiv.org/abs/2311.03129v1
- Date: Mon, 6 Nov 2023 14:27:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-07 14:13:00.096766
- Title: Nonparametric modeling of the composite effect of multiple nutrients on
blood glucose dynamics
- Title(参考訳): 血液グルコース動態に対する多量栄養素の複合効果の非パラメトリックモデリング
- Authors: Arina Odnoblyudova, \c{C}a\u{g}lar Hizli, ST John, Andrea Cognolato,
Anne Juuti, Simo S\"arkk\"a, Kirsi Pietil\"ainen, Pekka Marttinen
- Abstract要約: 我々は,より生物学的に解釈可能な複合処理応答曲線の新しい畳み込みモデルを開発した。
食事中の炭水化物および脂肪が血糖値に及ぼす影響を推定し,本モデルの有効性を検証した。
- 参考スコア(独自算出の注目度): 5.443692272339085
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In biomedical applications it is often necessary to estimate a physiological
response to a treatment consisting of multiple components, and learn the
separate effects of the components in addition to the joint effect. Here, we
extend existing probabilistic nonparametric approaches to explicitly address
this problem. We also develop a new convolution-based model for composite
treatment-response curves that is more biologically interpretable. We validate
our models by estimating the impact of carbohydrate and fat in meals on blood
glucose. By differentiating treatment components, incorporating their dosages,
and sharing statistical information across patients via a hierarchical
multi-output Gaussian process, our method improves prediction accuracy over
existing approaches, and allows us to interpret the different effects of
carbohydrates and fat on the overall glucose response.
- Abstract(参考訳): 生体医学的応用においては、複数の成分からなる治療に対する生理的反応を推定し、関節効果に加えて成分の別個の効果を学ぶことがしばしば必要である。
ここでは,既存の確率的非パラメトリックアプローチを拡張し,この問題を明示的に解決する。
また,より生物学的に解釈可能な複合処理応答曲線の新しい畳み込みモデルを開発した。
食事中の炭水化物と脂肪が血糖に及ぼす影響を推定し,モデルを検証する。
治療成分を分化させ, 投与量を組み込み, 階層的多出力ガウス法を用いて患者間で統計情報を共有することにより, 既存の手法よりも予測精度を向上し, 糖化物と脂肪が全体のグルコース応答に及ぼす影響を解釈できる。
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) - Improved K-mer Based Prediction of Protein-Protein Interactions With
Chaos Game Representation, Deep Learning and Reduced Representation Bias [0.0]
本稿では,対話データセットからユニークなペアを抽出し,非バイアス付き機械学習のための非冗長なペアデータを生成する手法を提案する。
我々は,タンパク質のコード遺伝子のカオスゲーム表現から相互作用を学習し,予測できる畳み込みニューラルネットワークモデルを開発した。
論文 参考訳(メタデータ) (2023-10-23T10:02:23Z) - A Causal Framework for Decomposing Spurious Variations [68.12191782657437]
我々はマルコフモデルとセミマルコフモデルの急激な変分を分解するツールを開発する。
突発効果の非パラメトリック分解を可能にする最初の結果を証明する。
説明可能なAIや公平なAIから、疫学や医学における疑問まで、いくつかの応用がある。
論文 参考訳(メタデータ) (2023-06-08T09:40:28Z) - 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) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳(メタデータ) (2022-06-16T17:59:05Z) - Analyzing the Effects of Handling Data Imbalance on Learned Features
from Medical Images by Looking Into the Models [50.537859423741644]
不均衡なデータセットでモデルをトレーニングすることは、学習問題にユニークな課題をもたらす可能性がある。
ニューラルネットワークの内部ユニットを深く調べて、データの不均衡処理が学習した機能にどのように影響するかを観察します。
論文 参考訳(メタデータ) (2022-04-04T09:38:38Z) - Estimators of Entropy and Information via Inference in Probabilistic
Models [1.4502611532302037]
エントロピーや相互情報といった情報理論量の推定は、統計学や機械学習における多くの問題の中心である。
本稿では,任意の変数に対する情報量に対する上限値と下限値の上限値を提供するEEVIを用いたエントロピー推定器を提案する。
論文 参考訳(メタデータ) (2022-02-24T21:04:33Z) - Estimation of Bivariate Structural Causal Models by Variational Gaussian
Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
因果機構は構造因果モデルによって記述できる。
最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
論文 参考訳(メタデータ) (2021-09-06T14:52:58Z) - A Twin Neural Model for Uplift [59.38563723706796]
Upliftは条件付き治療効果モデリングの特定のケースです。
相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。
本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
論文 参考訳(メタデータ) (2021-05-11T16:02:39Z) - Efficient Causal Inference from Combined Observational and
Interventional Data through Causal Reductions [68.6505592770171]
因果効果を推定する際の主な課題の1つである。
そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。
パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-03-08T14:29:07Z)
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。