論文の概要: DPA-Net: A Dual-Path Attention Neural Network for Inferring Glycemic Control Metrics from Self-Monitored Blood Glucose Data

• arxiv url: http://arxiv.org/abs/2510.06623v1
• Date: Wed, 08 Oct 2025 04:06:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.287634
• Title: DPA-Net: A Dual-Path Attention Neural Network for Inferring Glycemic Control Metrics from Self-Monitored Blood Glucose Data
• Title（参考訳）: DPA-Net:自己観察血糖値からグリセミックコントロールメトリクスを推定するための二重パス注意ニューラルネットワーク
• Authors: Canyu Lei, Benjamin Lobo, Jianxin Xie,
• Abstract要約: 血糖の自己モニタリング(SMBG)は安価で広く利用可能であるが、希少で不規則なデータが得られる。 SMBGデータから直接AGPメトリクスを推定するためのデュアルパス注意ニューラルネットワーク(DPA-Net)を提案する。 DPA-Netは、系統的バイアスを低減しつつ、低いエラーで堅牢な精度を達成する。
• 参考スコア（独自算出の注目度）: 0.764671395172401
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Continuous glucose monitoring (CGM) provides dense and dynamic glucose profiles that enable reliable estimation of Ambulatory Glucose Profile (AGP) metrics, such as Time in Range (TIR), Time Below Range (TBR), and Time Above Range (TAR). However, the high cost and limited accessibility of CGM restrict its widespread adoption, particularly in low- and middle-income regions. In contrast, self-monitoring of blood glucose (SMBG) is inexpensive and widely available but yields sparse and irregular data that are challenging to translate into clinically meaningful glycemic metrics. In this work, we propose a Dual-Path Attention Neural Network (DPA-Net) to estimate AGP metrics directly from SMBG data. DPA-Net integrates two complementary paths: (1) a spatial-channel attention path that reconstructs a CGM-like trajectory from sparse SMBG observations, and (2) a multi-scale ResNet path that directly predicts AGP metrics. An alignment mechanism between the two paths is introduced to reduce bias and mitigate overfitting. In addition, we develop an active point selector to identify realistic and informative SMBG sampling points that reflect patient behavioral patterns. Experimental results on a large, real-world dataset demonstrate that DPA-Net achieves robust accuracy with low errors while reducing systematic bias. To the best of our knowledge, this is the first supervised machine learning framework for estimating AGP metrics from SMBG data, offering a practical and clinically relevant decision-support tool in settings where CGM is not accessible.
• Abstract（参考訳）: 連続グルコースモニタリング(CGM)は、TIR(Time in Range)、TBR(Time Below Range)、TAR(Time Above Range)といった、AGP(Ambulatory Glucose Profile)メトリクスの信頼性の高い推定を可能にする、密度の高い動的グルコースプロファイルを提供する。 しかし、CGMの高コスト化とアクセシビリティの制限により、特に低所得地域や中所得地域での普及が制限されている。 対照的に、血糖値(SMBG)の自己モニタリングは安価で広く利用可能であるが、臨床的に有意義な血糖値に変換することが難しいスパースな不規則なデータが得られる。 本研究では,SMBGデータから直接AGPメトリクスを推定するデュアルパス注意ニューラルネットワーク(DPA-Net)を提案する。 DPA-Netは, スパースSMBG観測からCGMのような軌道を再構成する空間チャネルアテンションパスと, AGP測定を直接予測するマルチスケールのResNetパスの2つの相補経路を統合する。 2つの経路間のアライメント機構を導入し、バイアスを低減し、オーバーフィッティングを軽減する。 さらに,患者行動パターンを反映した現実的かつ情報的SMBGサンプリングポイントを同定するアクティブ・ポイントセレクタを開発した。 大規模な実世界のデータセットの実験結果は、DPA-Netが低誤差で堅牢な精度を達成し、体系的バイアスを低減していることを示している。 我々の知る限り、これはSMBGデータからAGPメトリクスを推定する最初の教師付き機械学習フレームワークであり、CGMがアクセスできない環境で、実用的で臨床的に関連する意思決定支援ツールを提供する。

関連論文リスト

• Does Generative Retrieval Overcome the Limitations of Dense Retrieval? [117.49076770892583]
  生成的検索(GR)はニューラル情報検索の新しいパラダイムとして登場した。 本研究では,GRが高密度検索(DR)から学習目的と表現能力の両方において根本的に分岐するかを検討する。
  論文  参考訳（メタデータ） (2025-09-26T09:38:01Z)
• A Label-Free Heterophily-Guided Approach for Unsupervised Graph Fraud Detection [60.09453163562244]
  本稿では,非教師付きGFDのための非教師付きグラフ不正検出手法(HUGE)を提案する。 推定モジュールでは、GFD の臨界グラフ特性をキャプチャする HALO と呼ばれる新しいラベルフリーなヘテロフィリー計量を設計する。 アライメントに基づく不正検出モジュールにおいて、ランキング損失と非対称アライメント損失を有する合同GNNアーキテクチャを開発する。
  論文  参考訳（メタデータ） (2025-02-18T22:07:36Z)
• Weakly supervised deep learning model with size constraint for prostate cancer detection in multiparametric MRI and generalization to unseen domains [0.90668179713299]
  本モデルでは, 完全教師付きベースラインモデルにより, オンパー性能が向上することを示す。 また、未確認データドメインでテストした場合、完全に教師付きモデルと弱い教師付きモデルの両方のパフォーマンス低下も観察する。
  論文  参考訳（メタデータ） (2024-11-04T12:24:33Z)
• GlucoBench: Curated List of Continuous Glucose Monitoring Datasets with Prediction Benchmarks [0.12564343689544843]
  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。
  論文  参考訳（メタデータ） (2024-10-08T08:01:09Z)
• Calibrating Noise for Group Privacy in Subsampled Mechanisms [24.518597984169734]
  グループプライバシ(GP)は、最大m人のグループの機密集約情報を保護することができる。 GPはしばしば後処理として扱われ、ほとんどのアプローチではブラックボックスとして扱われる。 本稿では,サブサンプルGP機構に対する厳密なプライバシ会計を提供する新しい分析フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-19T12:32:50Z)
• 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)
• Time CNN and Graph Convolution Network for Epileptic Spike Detection in MEG Data [1.9420255676093532]
  本稿では1次元時間畳み込みニューラルネットワーク (Time CNN) とグラフ畳み込みニューラルネットワーク (GCN) を結合して, MEG 記録の短時間フレームをスパイクを含むか否かの分類を行う。 我々のモデルは臨床的に関連のある結果を生成し、Deep Learning-based State-of-the-art法では、バランスの取れたデータセットで76.7%、現実的で高度にバランスの取れないデータセットで25.5%の分類に到達した。
  論文  参考訳（メタデータ） (2023-10-13T16:40:29Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Learning Inductive Attention Guidance for Partially Supervised Pancreatic Ductal Adenocarcinoma Prediction [73.96902906734522]
  膵管腺癌(PDAC)は、アメリカ合衆国で3番目に多いがん死の原因である。 本稿では,全てのトレーニングデータに対して安価な画像レベルのアノテーションが提供され,それらのサブセットに対してのみ,コストのかかるvoxelアノテーションが利用可能となる,部分教師付き設定について考察する。 Inductive Attention Guidance Network (IAG-Net) を提案し、通常の/PDAC分類のためのグローバル画像レベルの分類器と半教師付きPDAC分類のためのローカルボクセルレベルの分類器を共同で学習する。
  論文  参考訳（メタデータ） (2021-05-31T08:16:09Z)
• 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。