論文の概要: Blood Glucose Level Prediction in Type 1 Diabetes Using Machine Learning

• arxiv url: http://arxiv.org/abs/2502.00065v1
• Date: Thu, 30 Jan 2025 21:00:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 18:38:36.537455
• Title: Blood Glucose Level Prediction in Type 1 Diabetes Using Machine Learning
• Title（参考訳）: 機械学習を用いた1型糖尿病患者の血糖値の予測
• Authors: Soon Jynn Chu, Nalaka Amarasiri, Sandesh Giri, Priyata Kafle,
• Abstract要約: 1型糖尿病の人は毎日人工インスリンが必要です。 糖尿病管理において、連続血糖モニタリングは、ほぼリアルタイムな血糖データを提供する重要な特徴である。 本研究では, 機械学習ツール, ディープニューラルネットワーク, ディープ強化学習, 投票と回帰器を併用して血糖値の予測を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Type 1 Diabetes is a chronic autoimmune condition in which the immune system attacks and destroys insulin-producing beta cells in the pancreas, resulting in little to no insulin production. Insulin helps glucose in your blood enter your muscle, fat, and liver cells so they can use it for energy or store it for later use. If insulin is insufficient, it causes sugar to build up in the blood and leads to serious health problems. People with Type 1 Diabetes need synthetic insulin every day. In diabetes management, continuous glucose monitoring is an important feature that provides near real-time blood glucose data. It is useful in deciding the synthetic insulin dose. In this research work, we used machine learning tools, deep neural networks, deep reinforcement learning, and voting and stacking regressors to predict blood glucose levels at 30-min time intervals using the latest DiaTrend dataset. Predicting blood glucose levels is useful in better diabetes management systems. The trained models were compared using several evaluation metrics. Our evaluation results demonstrate the performance of various models across different glycemic conditions for blood glucose prediction. The source codes of this work can be found in: https://github.com/soon-jynn-chu/t1d_bg_prediction
• Abstract（参考訳）: 1型糖尿病は慢性自己免疫疾患であり、免疫系は膵臓のインスリン産生ベータ細胞を攻撃し、破壊し、インスリン産生はほとんどない。 インスリンは、血液中のグルコースが筋肉、脂肪、肝臓の細胞に入り込むのを手助けします。 インスリンが不足すると、血糖値が上昇し、深刻な健康問題を引き起こす。 1型糖尿病の人は毎日人工インスリンが必要です。 糖尿病管理において、連続血糖モニタリングは、ほぼリアルタイムな血糖データを提供する重要な特徴である。 合成インスリン量を決定するのに有用である。 本研究では、機械学習ツール、ディープニューラルネットワーク、ディープ強化学習、投票と回帰器を用いて、最新のDiaTrendデータセットを使用して30分間隔で血糖値を予測した。 血糖値の予測は糖尿病管理システムの改善に有用である。 トレーニングされたモデルを、いくつかの評価指標を用いて比較した。 以上の結果から,血糖予測のための各種糖質モデルの性能について検討した。 https://github.com/soon-jynn-chu/t1d_bg_prediction

関連論文リスト

• From Glucose Patterns to Health Outcomes: A Generalizable Foundation Model for Continuous Glucose Monitor Data Analysis [47.23780364438969]
  本稿では,CGMデータの生成基盤モデルであるGluFormerについて紹介する。 GluFormerは、異なる民族や年齢、5つの国、8つのCGMデバイス、多様な病態状態にまたがる19の外部コホートに一般化する。 CGMデータと12年間のフォローアップを持つ580人の成人の縦断的研究において、GluFormerは血液HbA1C%よりも糖尿病を効果的に発症するリスクが高い個人を特定する。
  論文  参考訳（メタデータ） (2024-08-20T13:19:06Z)
• CLIP-DR: Textual Knowledge-Guided Diabetic Retinopathy Grading with Ranking-aware Prompting [48.47935559597376]
  糖尿病網膜症(英: Diabetic retinopathy, DR)は、糖尿病の合併症の一つで、視力低下のレベルに達するのに何十年もかかる。 現在のDRグレーディング手法のほとんどは、データのばらつきに不十分な堅牢性に悩まされている。 3つの観測結果に基づく新しいDRグレーティングフレームワークCLIP-DRを提案する。
  論文  参考訳（メタデータ） (2024-07-04T17:14:18Z)
• Petri nets in modelling glucose regulating processes in the liver [0.0]
  肝における糖分解とグルコース合成のペトリネットモデルを提案する。 我々の分析では、このモデルが異なる酵素と物質間の相互作用を捉えていることが示されている。 このモデルは、健康な人と糖尿病患者の血糖調節の全体モデルを作成するという、長年の目標の最初の要素である。
  論文  参考訳（メタデータ） (2024-05-17T13:15:01Z)
• Optimizing the Design of an Artificial Pancreas to Improve Diabetes Management [10.60691612679966]
  糖尿病は米国だけでも3800万人に影響を与える。 この治療の目的は、連続したグルコースメーターで測定されるように、血糖値を許容範囲の中央に保持することである。 第二の目標は注射を最小化することであり、これは一部の患者が実施するのが不快で困難である。 本研究では,神経進化を治療の最適な戦略の発見に用いた。
  論文  参考訳（メタデータ） (2024-02-10T00:49:46Z)
• 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)
• 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)
• Temporal patterns in insulin needs for Type 1 diabetes [0.0]
  1型糖尿病 (Type 1 Diabetes, T1D) は、身体がインスリンをほとんど分泌しない慢性疾患である。 正しいインスリン摂取量と時間を見つけることは、複雑で困難であり、まだ未解決のコントロールタスクである。 本研究ではOpenAPS Data Commonsデータセットを用いて、インスリンに必要な時間的パターンをよく知られた要因によって検出する。
  論文  参考訳（メタデータ） (2022-11-14T14:19:50Z)
• Explainable and Interpretable Diabetic Retinopathy Classification Based on Neural-Symbolic Learning [71.76441043692984]
  本稿では,ニューラルシンボリック学習に基づく説明可能な,解釈可能な糖尿病網膜症(ExplainDR)分類モデルを提案する。 本稿では,眼の健康状態に関連する糖尿病網膜症の特徴を分類し,説明可能性を実現するためのヒト可読的シンボル表現を提案する。
  論文  参考訳（メタデータ） (2022-04-01T00:54:12Z)
• A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading, and Transferability [76.64661091980531]
  糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。 このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
  論文  参考訳（メタデータ） (2020-08-22T07:48:04Z)
• Machine learning for the diagnosis of early stage diabetes using temporal glucose profiles [0.20072624123275526]
  糖尿病は慢性疾患であり、早期に疾患の検出を複雑にする長い潜伏期間を有する。 本稿では,グルコース濃度の時間変化の微妙な変化を機械学習で検出することを提案する。 多層パーセプトロン、畳み込みニューラルネットワーク、および繰り返しニューラルネットワークはいずれも85%以上の精度でインスリン抵抗の程度を同定した。
  論文  参考訳（メタデータ） (2020-05-18T13:31:12Z)
• 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。