論文の概要: Predictive Analytics for Foot Ulcers Using Time-Series Temperature and Pressure Data

• arxiv url: http://arxiv.org/abs/2603.12278v1
• Date: Fri, 27 Feb 2026 17:30:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.203509
• Title: Predictive Analytics for Foot Ulcers Using Time-Series Temperature and Pressure Data
• Title（参考訳）: 時系列温度と圧力データを用いた足の潰瘍の予測解析
• Authors: Md Tanvir Hasan Turja,
• Abstract要約: 糖尿病性足潰瘍 (DFUs) は糖尿病の重篤な合併症である。 本稿では,ウェアラブルフットセンサが捉えた時系列データを利用した予測分析フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diabetic foot ulcers (DFUs) are a severe complication of diabetes, often resulting in significant morbidity. This paper presents a predictive analytics framework utilizing time-series data captured by wearable foot sensors -- specifically NTC thin-film thermocouples for temperature measurement and FlexiForce pressure sensors for plantar load monitoring. Data was collected from healthy subjects walking on an instrumented pathway. Unsupervised machine learning algorithms, Isolation Forest and K-Nearest Neighbors (KNN), were applied to detect anomalies that may indicate early ulcer risk. Through rigorous data preprocessing and targeted feature engineering, physiologic patterns were extracted to identify subtle changes in foot temperature and pressure. Results demonstrate Isolation Forest is sensitive to micro-anomalies, while KNN is effective in flagging extreme deviations, albeit at a higher false-positive rate. Strong correlations between temperature and pressure readings support combined sensor monitoring for improved predictive accuracy. These findings provide a basis for real-time diabetic foot health surveillance, aiming to facilitate earlier intervention and reduce DFU incidence.
• Abstract（参考訳）: 糖尿病性足潰瘍 (DFUs) は糖尿病の重篤な合併症である。 本稿では,ウェアラブルフットセンサが捉えた時系列データ,特に温度測定用NTC薄膜熱電対と,プラント負荷監視用FlexiForce圧力センサを用いた予測分析フレームワークを提案する。 データは、測定された経路を歩いている健康な被験者から収集された。 早期潰瘍のリスクを示す可能性のある異常を検出するために、教師なし機械学習アルゴリズム、Isolation ForestとK-Nearest Neighbors (KNN)を適用した。 厳密なデータ前処理と特徴工学により,足温と圧力の微妙な変化を識別する生理的パターンを抽出した。 その結果、孤立林はマイクロアノマリーに敏感であり、KNNは高い偽陽性率ではあるものの、極端な偏差のフラグ付けに有効であることが示された。 温度と圧力の読み取りの強い相関は、予測精度を向上させるための複合センサ監視をサポートする。 これらの知見は、早期介入の促進とDFUの発生抑制を目的とした、リアルタイム糖尿病足の健康監視の基礎となる。

関連論文リスト

• ICODEN: Ordinary Differential Equation Neural Networks for Interval-Censored Data [4.9839207502291805]
  ICODENは、間隔知覚データのための通常の微分方程式に基づくニューラルネットワークである。 常に良好な予測精度を達成し、予測器の数が増加するにつれて安定である。 これらの結果はICODENを高次元バイオメディカル環境下でのインターバルセンシングサバイバルデータによる予測のための実用的な仮定型ツールとして確立する。
  論文  参考訳（メタデータ） (2026-02-10T21:18:38Z)
• Towards Trustworthy Vital Sign Forecasting: Leveraging Uncertainty for Prediction Intervals [32.233133404873016]
  本稿では,不確実性評価(Restruction Uncertainty Estimate, RUE)からPIを導出する2つの手法を提案する。 これらの手法を、高頻度および低頻度の健康信号を表わし、分・時間レベルのサンプリングを施した2つの大規模公共データセット上で評価した。
  論文  参考訳（メタデータ） (2025-09-01T10:03:26Z)
• Evaluating Imputation Techniques for Short-Term Gaps in Heart Rate Data [2.5692532811345066]
  心拍数(HR)は、心血管の状態をモニターし、低血糖のような極端な生理的事象を検出する上で中心的な役割を果たす。 ウェアラブルデバイスのデータは、しばしば値の欠落に悩まされる。 この問題に対処するために、近年の研究では様々な計算手法が採用されている。 本研究は, 4つの統計計算手法の包括的評価を行うことにより, ギャップを埋めるものである。
  論文  参考訳（メタデータ） (2025-07-29T08:57:13Z)
• Detection of Autonomic Dysreflexia in Individuals With Spinal Cord Injury Using Multimodal Wearable Sensors [2.208475400165877]
  自律神経障害 (AD) は、脊髄損傷者(SCI)の突然の血圧急上昇を特徴とする生命予後の1つである。 本研究では,マルチモーダルウェアラブルセンサを用いたAD検出のための非侵襲的,説明可能な機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-23T21:18:23Z)
• SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
  セプシスは米国での院内死亡の主な原因である。 既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。 限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T04:47:36Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• Improving Diffusion Models for ECG Imputation with an Augmented Template Prior [43.6099225257178]
  ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。 近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。 本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
  論文  参考訳（メタデータ） (2023-10-24T11:34:15Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。