論文の概要: Estimating Visceral Adiposity from Wrist-Worn Accelerometry

• arxiv url: http://arxiv.org/abs/2506.09167v1
• Date: Tue, 10 Jun 2025 18:33:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:01.864899
• Title: Estimating Visceral Adiposity from Wrist-Worn Accelerometry
• Title（参考訳）: Wrist-Worn Accelerometry による内臓脂肪率の推定
• Authors: James R. Williamson, Andrew Alini, Brian A. Telfer, Adam W. Potter, Karl E. Friedl,
• Abstract要約: 内臓組織(VAT)は代謝的健康と習慣的身体活動の両方の鍵となるマーカーである VATは、運動中にカテコールアミンによって刺激されるターンオーバーが増大する、非常にラベラブルな脂肪補給所である。 VATは高度なイメージング技術で測定できるが、PAから直接推定することもできる。
• 参考スコア（独自算出の注目度）: 1.3779038680478202
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visceral adipose tissue (VAT) is a key marker of both metabolic health and habitual physical activity (PA). Excess VAT is highly correlated with type 2 diabetes and insulin resistance. The mechanistic basis for this pathophysiology relates to overloading the liver with fatty acids. VAT is also a highly labile fat depot, with increased turnover stimulated by catecholamines during exercise. VAT can be measured with sophisticated imaging technologies, but can also be inferred directly from PA. We tested this relationship using National Health and Nutrition Examination Survey (NHANES) data from 2011-2014, for individuals aged 20-60 years with 7 days of accelerometry data (n=2,456 men; 2,427 women) [1]. Two approaches were used for estimating VAT from activity. The first used engineered features based on movements during gait and sleep, and then ridge regression to map summary statistics of these features into a VAT estimate. The second approach used deep neural networks trained on 24 hours of continuous accelerometry. A foundation model first mapped each 10s frame into a high-dimensional feature vector. A transformer model then mapped each day's feature vector time series into a VAT estimate, which were averaged over multiple days. For both approaches, the most accurate estimates were obtained with the addition of covariate information about subject demographics and body measurements. The best performance was obtained by combining the two approaches, resulting in VAT estimates with correlations of r=0.86. These findings demonstrate a strong relationship between PA and VAT and, by extension, between PA and metabolic health risks.
• Abstract（参考訳）: 内臓脂肪組織(Visceral adipose tissue, VAT)は、代謝的健康と習慣的身体活動の両面で重要なマーカーである。 過剰なVATは2型糖尿病とインスリン抵抗性と高い相関がある。 この病態のメカニズムの基礎は、肝臓に脂肪酸を過剰に添加することにある。 VATは、運動中にカテコールアミンによって刺激されるターンオーバーの増加を伴う、非常にラベラブルな脂肪補給所でもある。 VATは高度なイメージング技術で測定できるが、PAから直接推定することもできる。 7日間の加速度計データ(n=2,456人,女性2,427人)を持つ20～60歳児を対象に,2011～2014年のNHANES(National Health and Nutrition Examination Survey)データを用いて,この関係を検証した。 VATを活動から推定するために2つのアプローチが用いられた。 最初に使用された機能は歩行時と睡眠時の動きに基づいており、これらの特徴の要約統計をVAT推定にマッピングするために隆起回帰した。 第2のアプローチでは、24時間連続加速度計でトレーニングされたディープニューラルネットワークを使用した。 基礎モデルはまず、各10のフレームを高次元の特徴ベクトルにマッピングした。 その後、トランスモデルは、毎日の特徴ベクトル時系列をVATの推定値にマッピングし、それは数日間平均された。 どちらのアプローチも、被験者の人口統計と身体計測に関する共変量情報を加えて、最も正確な推定値を得た。 最高の性能は2つのアプローチを組み合わせることで得られ、その結果、VAT推定は r=0.86 の相関で得られた。 以上の結果より, PAとVATの相関が強く, PAと代謝性健康リスクの延長が示唆された。

関連論文リスト

• Patient Similarity Computation for Clinical Decision Support: An Efficient Use of Data Transformation, Combining Static and Time Series Data [0.9546075062932505]
  患者類似度計算(PSC)は医療情報学の基本的な問題である。 本稿では,データ変換(DT)法に基づく分散患者類似度計算(DPSC)手法を提案する。 我々のDTベースのアプローチは、AUC、精度、F測定の点で、予測性能を最大11.4%、10.20%、12.6%向上させる。
  論文  参考訳（メタデータ） (2025-06-08T11:32:00Z)
• rECGnition_v2.0: Self-Attentive Canonical Fusion of ECG and Patient Data using deep learning for effective Cardiac Diagnostics [0.56337958460022]
  この研究は、MIT-BIH Arrhythmia データセットを用いて、様々な不整脈のクラスに対する rECGnition_v2.0 の効率を評価する。 rECGnition_v2.0のコンパクトなアーキテクチャフットプリントは、トレーニング可能なパラメータがより少ないことで特徴付けられ、解釈可能性やスケーラビリティなどいくつかの利点を解き放った。
  論文  参考訳（メタデータ） (2025-02-22T15:16:46Z)
• Research on Early Warning Model of Cardiovascular Disease Based on Computer Deep Learning [5.761426161930679]
  本研究は,1次元畳み込みニューラルネットワークに基づく心血管疾患早期警戒モデルについて検討することを目的とする。 患者年齢,血糖値,コレステロール値,胸痛値などの生理・症状指標が欠落し,Zスコアが標準化された。
  論文  参考訳（メタデータ） (2024-06-13T07:04:22Z)
• 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)
• LATTE: Label-efficient Incident Phenotyping from Longitudinal Electronic Health Records [11.408950540503112]
  本稿では, LAbel-efficienT incidenT phEnotypingアルゴリズムを提案する。 LATTEは2型糖尿病の発症、心不全、多発性硬化症の発症と再発の3つの分析に基づいて評価された。
  論文  参考訳（メタデータ） (2023-05-19T03:28:51Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• Robustness to Spurious Correlations via Human Annotations [100.63051542531171]
  本稿では,人間に共通する因果関係の知識を活用して,素因関係に頑健なモデルを構築するための枠組みを提案する。 具体的には、人間のアノテーションを使用して、潜在的な未測定変数でトレーニング例を拡大する。 次に,未測定変数(UV-DRO)に対する分布性に頑健な新たな最適化手法を導入し,テスト時間シフトによる最悪の損失を制御する。
  論文  参考訳（メタデータ） (2020-07-13T20:05:19Z)
• RNNs on Monitoring Physical Activity Energy Expenditure in Older People [0.0]
  逐次的データモデリング能力で知られるRecurrent Neural Network (RNN) を提案する。 本稿では,GRUをベースとしたRNNの標準施設を超越する取り組みについて述べる。 得られたアーキテクチャは、トレーニング入力を10倍減らしながら、ほぼ10%の性能向上を実現している。
  論文  参考訳（メタデータ） (2020-06-01T18:02:53Z)
• Automated Quantification of CT Patterns Associated with COVID-19 from Chest CT [48.785596536318884]
  提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。 この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。 このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
  論文  参考訳（メタデータ） (2020-04-02T21:49:14Z)

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。