論文の概要: GlucoBench: Curated List of Continuous Glucose Monitoring Datasets with Prediction Benchmarks
- arxiv url: http://arxiv.org/abs/2410.05780v1
- Date: Tue, 08 Oct 2024 08:01:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-10 14:31:19.448847
- Title: GlucoBench: Curated List of Continuous Glucose Monitoring Datasets with Prediction Benchmarks
- Title(参考訳): GlucoBench: 予測ベンチマークによる継続的グルコースモニタリングデータセットのキュレーションリスト
- Authors: Renat Sergazinov, Elizabeth Chun, Valeriya Rogovchenko, Nathaniel Fernandes, Nicholas Kasman, Irina Gaynanova,
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.12564343689544843
- License:
- Abstract: The rising rates of diabetes necessitate innovative methods for its management. Continuous glucose monitors (CGM) are small medical devices that measure blood glucose levels at regular intervals providing insights into daily patterns of glucose variation. Forecasting of glucose trajectories based on CGM data holds the potential to substantially improve diabetes management, by both refining artificial pancreas systems and enabling individuals to make adjustments based on predictions to maintain optimal glycemic range.Despite numerous methods proposed for CGM-based glucose trajectory prediction, these methods are typically evaluated on small, private datasets, impeding reproducibility, further research, and practical adoption. The absence of standardized prediction tasks and systematic comparisons between methods has led to uncoordinated research efforts, obstructing the identification of optimal tools for tackling specific challenges. As a result, only a limited number of prediction methods have been implemented in clinical practice. To address these challenges, we present a comprehensive resource that provides (1) a consolidated repository of curated publicly available CGM datasets to foster reproducibility and accessibility; (2) a standardized task list to unify research objectives and facilitate coordinated efforts; (3) a set of benchmark models with established baseline performance, enabling the research community to objectively gauge new methods' efficacy; and (4) a detailed analysis of performance-influencing factors for model development. We anticipate these resources to propel collaborative research endeavors in the critical domain of CGM-based glucose predictions. {Our code is available online at github.com/IrinaStatsLab/GlucoBench.
- Abstract(参考訳): 糖尿病の上昇率は、その管理に革新的な方法を必要とする。
連続血糖モニター (Continuous glucose monitors, CGM) は、血糖変動の日々のパターンを知るために、定期的に血糖値を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、人工膵システムを精製し、個人が最適なグリセミック範囲を維持するための予測に基づく調整を行えるようにすることで、糖尿病管理を大幅に改善する可能性を秘めている。
標準化された予測タスクの欠如と方法間の体系的な比較は、特定の課題に対処するための最適なツールの識別を妨害する未調整の研究努力に繋がった。
その結果,臨床実習では限られた数の予測方法が実施されているのみとなった。
これらの課題に対処するため,我々は,(1)再現性とアクセシビリティを向上させるために利用可能なCGMデータセットの統合リポジトリ,(2)研究目標の統合と協調作業を促進するための標準化されたタスクリスト,(3)確立されたベースライン性能を備えたベンチマークモデルのセット,(3)研究コミュニティが新たな手法の有効性を客観的に評価できるようにするための総合的なリソース,(4)モデル開発におけるパフォーマンス影響要因の詳細な分析を提供する。
我々はこれらの資源が、CGMに基づくグルコース予測の重要な領域における共同研究の成果を後押しすることを期待している。
Our code are available at github.com/IrinaStatsLab/GlucoBench.
関連論文リスト
- Privacy Preserved Blood Glucose Level Cross-Prediction: An Asynchronous Decentralized Federated Learning Approach [13.363740869325646]
新たに診断された1型糖尿病(T1D)患者は、効果的な血液グルコース(BG)予測モデルを得るのに苦慮することが多い。
Asynchronous Decentralized Federated Learning による血糖予測である「GluADFL」を提案する。
論文 参考訳(メタデータ) (2024-06-21T17:57:39Z) - 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) - GARNN: An Interpretable Graph Attentive Recurrent Neural Network for
Predicting Blood Glucose Levels via Multivariate Time Series [12.618792803757714]
マルチモーダルデータをモデル化するための解釈可能なグラフ減衰ニューラルネットワーク(GARNN)を提案する。
GARNNは最高の予測精度を達成し、高品質な時間的解釈性を提供する。
これらの知見は糖尿病治療改善のための堅牢なツールとしてのGARNNの可能性を示している。
論文 参考訳(メタデータ) (2024-02-26T01:18:53Z) - 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) - Single-Cell Deep Clustering Method Assisted by Exogenous Gene
Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。
クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。
本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
論文 参考訳(メタデータ) (2023-11-28T09:14:55Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳(メタデータ) (2023-07-10T09:49:30Z) - Does Synthetic Data Generation of LLMs Help Clinical Text Mining? [51.205078179427645]
臨床テキストマイニングにおけるOpenAIのChatGPTの可能性を検討する。
本稿では,高品質な合成データを大量に生成する新たな学習パラダイムを提案する。
提案手法により,下流タスクの性能が大幅に向上した。
論文 参考訳(メタデータ) (2023-03-08T03:56:31Z) - Machine Learning based prediction of Glucose Levels in Type 1 Diabetes
Patients with the use of Continuous Glucose Monitoring Data [0.0]
連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)デバイスは、患者の血糖値に関する詳細な、非侵襲的でリアルタイムな洞察を提供する。
将来のグルコースレベルの予測方法としての高度な機械学習(ML)モデルを活用することで、生活改善の実質的な品質がもたらされる。
論文 参考訳(メタデータ) (2023-02-24T19:10:40Z) - SSM-DTA: Breaking the Barriers of Data Scarcity in Drug-Target Affinity
Prediction [127.43571146741984]
薬物標的親和性(DTA)は、早期の薬物発見において極めて重要である。
湿式実験は依然として最も信頼性の高い方法であるが、時間と資源が集中している。
既存の手法は主に、データ不足の問題に適切に対処することなく、利用可能なDTAデータに基づく技術開発に重点を置いている。
SSM-DTAフレームワークについて述べる。
論文 参考訳(メタデータ) (2022-06-20T14:53:25Z) - Predicting Parkinson's Disease with Multimodal Irregularly Collected
Longitudinal Smartphone Data [75.23250968928578]
パーキンソン病は神経疾患であり、高齢者に多い。
伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。
そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
論文 参考訳(メタデータ) (2020-09-25T01:50:15Z) - 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。