Fugu-MT 論文翻訳(概要): GluMarker: A Novel Predictive Modeling of Glycemic Control Through Digital Biomarkers

論文の概要: GluMarker: A Novel Predictive Modeling of Glycemic Control Through Digital Biomarkers

arxiv url: http://arxiv.org/abs/2404.12605v1
Date: Fri, 19 Apr 2024 03:15:50 GMT
ステータス: 処理完了
システム内更新日: 2024-04-22 16:24:58.635547
Title: GluMarker: A Novel Predictive Modeling of Glycemic Control Through Digital Biomarkers
Title（参考訳）: GluMarker: デジタルバイオマーカーによるグリセミック制御の新しい予測モデル
Authors: Ziyi Zhou, Ming Cheng, Xingjian Diao, Yanjun Cui, Xiangling Li,
Abstract要約: GluMarkerは、デジタルバイオマーカーをモデリングするためのエンドツーエンドフレームワークである。翌日のグリセミック制御を予測することで、アンダーソンのデータセットの最先端を達成している。研究は、翌日の血糖コントロール予測のための重要なデジタルバイオマーカーを特定する。
参考スコア（独自算出の注目度）: 5.311082635540497
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The escalating prevalence of diabetes globally underscores the need for diabetes management. Recent research highlights the growing focus on digital biomarkers in diabetes management, with innovations in computational frameworks and noninvasive monitoring techniques using personalized glucose metrics. However, they predominantly focus on insulin dosing and specific glucose values, or with limited attention given to overall glycemic control. This leaves a gap in expanding the scope of digital biomarkers for overall glycemic control in diabetes management. To address such a research gap, we propose GluMarker -- an end-to-end framework for modeling digital biomarkers using broader factors sources to predict glycemic control. Through the assessment and refinement of various machine learning baselines, GluMarker achieves state-of-the-art on Anderson's dataset in predicting next-day glycemic control. Moreover, our research identifies key digital biomarkers for the next day's glycemic control prediction. These identified biomarkers are instrumental in illuminating the daily factors that influence glycemic management, offering vital insights for diabetes care.
Abstract（参考訳）: 世界的な糖尿病の流行は、糖尿病管理の必要性を浮き彫りにしている。近年の研究では、糖尿病管理におけるデジタルバイオマーカーへの注目が高まっており、計算フレームワークの革新や、パーソナライズされた血糖値を用いた非侵襲的なモニタリング技術が注目されている。しかし、それらは主にインスリン摂取量と特定のブドウ糖値に焦点を合わせ、あるいは全般的な血糖コントロールに限られた注意を払っている。このことは、糖尿病管理における全般的な血糖コントロールのためのデジタルバイオマーカーの範囲の拡大にギャップを残している。このような研究ギャップに対処するため、GluMarkerを提案する。GluMarkerは、グリセミック制御を予測するために、より広い因子源を用いてデジタルバイオマーカーをモデリングするエンドツーエンドフレームワークである。さまざまな機械学習ベースラインの評価と改善を通じて、GluMarkerはアンダーソンのデータセットの最先端を達成し、翌日のグリセミック制御を予測する。さらに,本研究では,翌日の血糖コントロール予測の鍵となるデジタルバイオマーカーを同定した。これらの同定されたバイオマーカーは、血糖管理に影響を与える日々の要因の解明に役立ち、糖尿病治療にとって重要な洞察を提供する。

関連論文リスト

Hybrid Attention Model Using Feature Decomposition and Knowledge Distillation for Glucose Forecasting [6.466206145151128]
GlucoNetは、行動と生理の健康を継続的に監視するAI駆動のセンサーシステムである。本稿では,患者の行動・生理的データを組み込んだ分解型トランスフォーマーモデルを提案する。 GGlucoNetは、T1-Diabetesの12人を含むデータを用いて、RMSEの60%の改善とパラメータ数の21%削減を実現している。
論文参考訳（メタデータ） (2024-11-16T05:09:20Z)
GlucoBench: Curated List of Continuous Glucose Monitoring Datasets with Prediction Benchmarks [0.12564343689544843]
連続血糖モニター (Continuous glucose monitors, CGM) は、血糖値を一定間隔で測定する小さな医療機器である。 CGMデータに基づくグルコーストラジェクトリの予測は、糖尿病管理を大幅に改善する可能性を秘めている。
論文参考訳（メタデータ） (2024-10-08T08:01:09Z)
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)
MMIL: A novel algorithm for disease associated cell type discovery [58.044870442206914]
単一細胞データセットは、しばしば個々の細胞ラベルを欠いているため、病気に関連する細胞を特定することは困難である。セルレベルの分類器の訓練と校正を可能にする予測手法であるMixture Modeling for Multiple Learning Instance (MMIL)を導入する。
論文参考訳（メタデータ） (2024-06-12T15:22:56Z)
Toward Short-Term Glucose Prediction Solely Based on CGM Time Series [4.7066018521459725]
TimeGluは、CGM時系列データに基づく短期的なグルコース予測のためのエンドツーエンドパイプラインである。患者の個人データを追加することなく、最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2024-04-18T06:02:12Z)
Neural Control System for Continuous Glucose Monitoring and Maintenance [0.0]
持続的なグルコースモニタリングと管理のための新しいニューラルコントロールシステムを提供する。我々のアプローチは、洗練されたニューラルポリシーと微分可能なモデリングによって導かれ、常にリアルタイムでインスリン供給を調整する。このエンドツーエンドの方法は効率を最大化し、パーソナライズされたケアを提供し、健康状態を改善する。
論文参考訳（メタデータ） (2024-02-21T14:56:36Z)
Tertiary Lymphoid Structures Generation through Graph-based Diffusion [54.37503714313661]
本研究では,最先端のグラフベース拡散モデルを用いて生物学的に意味のある細胞グラフを生成する。本研究では, グラフ拡散モデルを用いて, 3次リンパ構造(TLS)の分布を正確に学習できることを示す。
論文参考訳（メタデータ） (2023-10-10T14:37:17Z)
Patterns Detection in Glucose Time Series by Domain Transformations and Deep Learning [0.0]
本研究は,血糖値の今後の変動を予測することを目的としており,血糖値の低下が予想される可能性がある。提案手法は, 有望な結果を得た4種類の糖尿病患者の実データを用いて検討した。
論文参考訳（メタデータ） (2023-03-30T09:08:31Z)
Label scarcity in biomedicine: Data-rich latent factor discovery enhances phenotype prediction [102.23901690661916]
低次元の埋め込み空間は、健康指標、ライフスタイル、および人口動態の予測をデータスカース化するために、英国バイオバンクの人口データセットから導出することができる。半超越的アプローチによるパフォーマンス向上は、おそらく様々な医学データサイエンス応用にとって重要な要素となるだろう。
論文参考訳（メタデータ） (2021-10-12T16:25:50Z)
Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
論文参考訳（メタデータ） (2021-02-11T09:04:45Z)
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。