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
- Mixed Effects Deep Learning for the interpretable analysis of single cell RNA sequencing data by quantifying and visualizing batch effects [6.596656267996196]
シングルセルRNAシークエンシング(scRNA-seq)データは、しばしば技術的または生物学的バッチ効果によって構築される。
既存のディープラーニングモデルはこれらの効果を緩和するが、バッチ固有の情報を捨てることが多い。
本稿では,バッチ不変量(固定効果)とバッチ固有量(ランダム効果)を別々にモデル化したMEDL自動エンコーダフレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-11T00:10:48Z) - Causal Representation Learning from Multimodal Biological Observations [57.00712157758845]
我々は,マルチモーダルデータに対するフレキシブルな識別条件の開発を目指している。
我々は、各潜伏成分の識別可能性を保証するとともに、サブスペース識別結果を事前の作業から拡張する。
我々の重要な理論的要素は、異なるモーダル間の因果関係の構造的空間性である。
論文 参考訳（メタデータ） (2024-11-10T16:40:27Z) - 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) - 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) - 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) - 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) - 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。