論文の概要: Integrating Natural Language Processing and Exercise Monitoring for Early Diagnosis of Metabolic Syndrome: A Deep Learning Approach

• arxiv url: http://arxiv.org/abs/2505.08628v1
• Date: Tue, 13 May 2025 14:48:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-14 20:57:54.622449
• Title: Integrating Natural Language Processing and Exercise Monitoring for Early Diagnosis of Metabolic Syndrome: A Deep Learning Approach
• Title（参考訳）: メタボリックシンドロームの早期診断のための自然言語処理と運動モニタリングの統合:ディープラーニングアプローチ
• Authors: Yichen Zhao, Yuhua Wang, Xi Cheng, Junhao Fang, Yang Yang,
• Abstract要約: メタボリックシンドローム(MetS)は、腹部肥満、インスリン抵抗性、高血圧、高脂血症を特徴とする薬物療法である。 本研究の目的は,MetSの診断に,日常的に容易に得られる運動関連活動に関する最も少ない生理的データと自由テキストを使用することである。
• 参考スコア（独自算出の注目度）: 6.106978420455941
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Metabolic syndrome (MetS) is a medication condition characterized by abdominal obesity, insulin resistance, hypertension and hyperlipidemia. It increases the risk of majority of chronic diseases, including type 2 diabetes mellitus, and affects about one quarter of the global population. Therefore, early detection and timely intervention for MetS are crucial. Standard diagnosis for MetS components requires blood tests conducted within medical institutions. However, it is frequently underestimated, leading to unmet need for care for MetS population. This study aims to use the least physiological data and free texts about exercises related activities, which are obtained easily in daily life, to diagnosis MetS. We collected the data from 40 volunteers in a nursing home and used data augmentation to reduce the imbalance. We propose a deep learning framework for classifying MetS that integrates natural language processing (NLP) and exercise monitoring. The results showed that the best model reported a high positive result (AUROC=0.806 and REC=76.3%) through 3-fold cross-validation. Feature importance analysis revealed that text and minimum heart rate on a daily basis contribute the most in the classification of MetS. This study demonstrates the potential application of data that are easily measurable in daily life for the early diagnosis of MetS, which could contribute to reducing the cost of screening and management for MetS population.
• Abstract（参考訳）: メタボリックシンドローム(MetS)は、腹部肥満、インスリン抵抗性、高血圧、高脂血症を特徴とする薬物療法である。 これは2型糖尿病を含む多くの慢性疾患のリスクを高め、世界の人口の約4分の1に影響を及ぼす。 したがって、MetSの早期検出とタイムリーな介入が重要である。 MetSコンポーネントの標準的な診断には、医療機関内で実施される血液検査が必要である。 しかし、しばしば過小評価され、MetS人口の世話を控える必要が生じる。 本研究の目的は,MetSの診断に,日常的に容易に得られる運動関連活動に関する最も少ない生理的データと自由テキストを使用することである。 介護施設における40人のボランティアのデータを収集し,データ拡張を用いて不均衡を軽減した。 本稿では,自然言語処理(NLP)とエクササイズ監視を統合したMetSの分類のためのディープラーニングフレームワークを提案する。 その結果、最良のモデルでは、3倍のクロスバリデーションによる高い陽性(AUROC=0.806とREC=76.3%)が報告された。 特徴量分析の結果,MetSの分類において,テキストと最小心拍数が最も寄与していることが明らかとなった。 本研究は,MetSの早期診断において,日常生活で容易に測定できるデータの有用性を実証し,MetSのスクリーニングと管理のコスト削減に寄与する可能性を示した。

関連論文リスト

• Enhancing Metabolic Syndrome Prediction with Hybrid Data Balancing and Counterfactuals [6.937243101289335]
  メタボリックシンドローム(メタボリックシンドローム、MetS)は、心臓血管疾患と2型糖尿病のリスクを著しく増大させる、関連性リスク因子の集団である。 世界的な流行にもかかわらず、クラス不均衡、データの不足、既存の研究における方法論上の矛盾などの問題により、MetSの正確な予測は依然として困難である。
  論文  参考訳（メタデータ） (2025-04-09T15:51:10Z)
• FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
  心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。 機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。 本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
  論文  参考訳（メタデータ） (2024-10-28T02:24:01Z)
• Chronic Disease Diagnoses Using Behavioral Data [42.96592744768303]
  高血糖(糖尿病)、高脂血症、高血圧(総称3H)を独自の行動データを用いて診断することを目的としている。
  論文  参考訳（メタデータ） (2024-10-04T12:52:49Z)
• 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)
• Large Language Multimodal Models for 5-Year Chronic Disease Cohort Prediction Using EHR Data [15.474201222908107]
  糖尿病などの慢性疾患が世界中で致死率と死亡率の主な原因となっている。 我々は,慢性疾患リスクの予測にマルチモーダルデータを組み込んだLarge Language Multimodal Models (LLMMs) フレームワークを提案する。 本手法では, テキスト埋め込みエンコーダとマルチヘッドアテンション層を組み合わせて, 深層ニューラルネットワーク(DNN)モジュールを用いて, 血液の特徴と慢性疾患のセマンティクスを潜在空間にマージする。
  論文  参考訳（メタデータ） (2024-03-02T22:33:17Z)
• Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
  6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。 グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。 当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
  論文  参考訳（メタデータ） (2022-04-22T17:27:00Z)
• Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
  本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。 これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。 静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
  論文  参考訳（メタデータ） (2022-04-07T22:14:37Z)
• 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)

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。