論文の概要: Reliable Noninvasive Glucose Sensing via CNN-Based Spectroscopy

• arxiv url: http://arxiv.org/abs/2506.13819v1
• Date: Sun, 15 Jun 2025 03:01:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.168372
• Title: Reliable Noninvasive Glucose Sensing via CNN-Based Spectroscopy
• Title（参考訳）: CNN-based Spectroscopyによる非侵襲的グルコースセンシング
• Authors: El Arbi Belfarsi, Henry Flores, Maria Valero,
• Abstract要約: 短波赤外分光法(SWIR)に基づくデュアルモーダルAIフレームワークを提案する。 最初のモダリティは、多波長SWIRイメージングシステムと畳み込みニューラルネットワーク(CNN)を組み合わせて、グルコース吸収に関連する空間的特徴を捉えている。 第2のモダリティは、小型のフォトダイオード電圧センサと、正規化された光信号に対する機械学習回帰器(ランダムフォレストなど)を使用する。
• 参考スコア（独自算出の注目度）: 0.36868085124383626
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this study, we present a dual-modal AI framework based on short-wave infrared (SWIR) spectroscopy. The first modality employs a multi-wavelength SWIR imaging system coupled with convolutional neural networks (CNNs) to capture spatial features linked to glucose absorption. The second modality uses a compact photodiode voltage sensor and machine learning regressors (e.g., random forest) on normalized optical signals. Both approaches were evaluated on synthetic blood phantoms and skin-mimicking materials across physiological glucose levels (70 to 200 mg/dL). The CNN achieved a mean absolute percentage error (MAPE) of 4.82% at 650 nm with 100% Zone A coverage in the Clarke Error Grid, while the photodiode system reached 86.4% Zone A accuracy. This framework constitutes a state-of-the-art solution that balances clinical accuracy, cost efficiency, and wearable integration, paving the way for reliable continuous non-invasive glucose monitoring.
• Abstract（参考訳）: 本研究では、短波長赤外分光(SWIR)に基づくデュアルモーダルAIフレームワークを提案する。 最初のモダリティは、多波長SWIRイメージングシステムと畳み込みニューラルネットワーク(CNN)を組み合わせて、グルコース吸収に関連する空間的特徴を捉えている。 第2のモダリティは、小型のフォトダイオード電圧センサと、正規化された光信号に対する機械学習回帰器(例えばランダムフォレスト)を使用する。 いずれの方法も, 生理的血糖値(70～200mg/dL)にまたがる合成血液ファントムおよび皮膚ミミキング物質について検討した。 CNNは平均絶対パーセンテージ誤差(MAPE)を650nmで4.82%、100%ゾーンAをクラーク・エラー・グリッドでカバーし、フォトダイオードの精度は86.4%に達した。 このフレームワークは、臨床精度、コスト効率、ウェアラブル統合のバランスをとる最先端のソリューションを構成し、信頼性の高い非侵襲的なグルコースモニタリングを実現する。

関連論文リスト

• Detecting immune cells with label-free two-photon autofluorescence and deep learning [2.096497520824982]
  我々は、このラベルのないAFを入力として、細胞タイプを分類するために畳み込みニューラルネットワーク(CNN)を訓練した。 低複雑さのSwitchNetアーキテクチャは、信頼できる免疫細胞分類結果を達成することができた。 将来的には、このような予測型DLモデルは、定着していない画像の特定の免疫細胞を直接検出できるだろう。
  論文  参考訳（メタデータ） (2025-06-17T12:14:02Z)
• Attention on the Wires (AttWire): A Foundation Model for Detecting Devices and Catheters in X-ray Fluoroscopic Images [0.4064887614767072]
  新しい注意機構は、X線画像のワイヤ領域に畳み込みニューラルネットワーク(CNN)モデルを導くために設計された。 より高精度でリアルタイムな速度で複数の物体を同時に検出する軽量基盤モデルを作成することができる。
  論文  参考訳（メタデータ） (2025-03-08T12:20:22Z)
• Mamba-based Deep Learning Approaches for Sleep Staging on a Wireless Multimodal Wearable System without Electroencephalography [3.7428541180163126]
  本稿では,アンネワンシステムからの信号に基づいて,マンバをベースとした睡眠ステージングのためのディープラーニングアプローチについて検討する。 我々は、畳み込みリカレントニューラルネットワーク(CRNN)とリカレントニューラルネットワーク(RNN)アーキテクチャを用いて、Mambaベースのモデルを訓練した。 深層学習モデルは、ANNE Oneから主要な睡眠段階を推測することができ、第三次ケア睡眠クリニックに参加する成人のデータにうまく適用することができる。
  論文  参考訳（メタデータ） (2024-12-20T14:43:02Z)
• Domain-specific augmentations with resolution agnostic self-attention mechanism improves choroid segmentation in optical coherence tomography images [3.8485899972356337]
  脈絡膜は眼の重要な血管層であり、網膜光受容体に酸素を供給する。 現在、コロイドを測定するには、独立した半自動および深層学習に基づく複数のアルゴリズムを使う必要がある。 我々は、コロイドセグメンテーション(REACH)のためのロバストで解像度に依存しない、効果的な注意に基づくネットワークを提案する。
  論文  参考訳（メタデータ） (2024-05-23T11:35:23Z)
• Interpretable cancer cell detection with phonon microscopy using multi-task conditional neural networks for inter-batch calibration [39.759100498329275]
  本稿では,バッチ間キャリブレーションを同時に実現する条件付きニューラルネットワークフレームワークを提案する。 異なる実験バッチをトレーニングし、検証することで、我々のアプローチを検証する。 このモデルを拡張して, 診断信号の再構成を行い, 疾患状態を示す有能な特徴の物理的解釈を可能にした。
  論文  参考訳（メタデータ） (2024-03-26T12:20:10Z)
• Classification robustness to common optical aberrations [64.08840063305313]
  本稿では,現実的かつ実用的な光ぼけ効果に対するロバスト性を調べるためのベンチマークである OpticsBench を提案する。 ImageNetの実験では、様々な訓練済みのDNNに対して、ディスク形状のカーネルと比較して、パフォーマンスが強いことが示されている。 我々は,光カーネルをデータ拡張として使用することにより,拡張可能なImageNet-100について述べる。
  論文  参考訳（メタデータ） (2023-08-29T08:36:00Z)
• DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler Signal [48.97719097435527]
  DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。 動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
  論文  参考訳（メタデータ） (2023-05-15T18:19:29Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)
• Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
  注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
  論文  参考訳（メタデータ） (2021-10-19T00:03:57Z)
• Neural network-based on-chip spectroscopy using a scalable plasmonic encoder [0.4397520291340694]
  従来の分光計は、サイズ、コスト、信号対雑音比(SNR)、スペクトル分解能によって設定されるトレードオフによって制限される。 本稿では,小型で低コストなオンチップセンシング方式を用いて,深層学習に基づくスペクトル再構成フレームワークを実証する。
  論文  参考訳（メタデータ） (2020-12-01T22:50:06Z)

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。