Aug, 2023

预测肥胖手术后 5 年体重变化轨迹的可解释机器学习计算器的开发和验证：一项多国回顾性队列研究

PDF
TL;DR通过机器学习开发了一个应用于三种常见肥胖手术前预测个人 5 年体重减轻轨迹的国际验证模型。
发现论文，激发创造
  • 机器学习算法在代谢性肥胖手术术后成功率分类中的应用：一项全面的研究

    代谢性肥胖手术属于肥胖症患者和相关健康问题的重要干预措施，通过一种新颖的机器学习方法对患者进行分类，研究揭示了不同模型和变量类型的有效性，为优化治疗策略提供了洞察力。

    Mar, 2024

  • DeepHealthNet: 基于深度学习框架的青少年肥胖预测系统

    该研究强调了早期识别和预防与肥胖相关的健康问题的重要性。通过收集来自 321 名青少年的健康数据集，我们提出了一个青少年肥胖预测系统，能够提供个性化预测，并帮助个人作出明智的健康决策。我们的提出的深度学习框架 DeepHealthNet 通过数据增强技术有效地训练模型，即使每日健康数据有限，也能提高预测准确性（准确度：0.8842）。此外，研究揭示了男孩（准确度：0.9320）和女孩（准确度：0.9163）之间肥胖率预测的差异，从而允许确定提供反馈的最佳时间。该提议的系统显示出有效解决儿童和青少年肥胖的显著潜力。

    Aug, 2023

  • 利用电子病历数据预测肥胖：一种带可解释元素的深度学习方法

    本文描述了一种基于深度学习的预测儿童肥胖症的模型，使用了大型未经修正的电子健康记录数据集，采用长短时记忆网络 (LSTM) 架构，并通过注意层来增加模型的可解释性，预测儿童肥胖症的时间段是从 2 岁到 20 岁，相比其他忽略了时间性的机器学习方法，模型的表现更好。

    Dec, 2019

  • 肥胖管理的可解释饮食推荐系统：基于机器学习和可解释人工智能

    通过机器学习算法，我们提出了一种新颖的系统 OBESEYE，可以根据个人的体质和疾病情况预测其所需的营养物质的摄入量，从而提供健康饮食建议，推动减肥。

    Aug, 2023

  • 提升智能营养监测：用于估计关键健康参数的多模态学习方法

    该研究提出了一种创新、可扩展且稳健的智能营养不良监测系统，通过对个体的全身图像进行多模态学习，在重建精确度极高的三维点云的基础上，通过 512 维特征嵌入和可学习参数的应用，精确估计身高和体重，并计算基础代谢率、体脂百分比和体质指数以进行全面的健康分析，从而为个体提供个性化的营养计划。

    Jul, 2023

  • 机器学习中饮食成功预测的见解

    本文研究了使用机器学习模型分析 MyFitnessPal 应用中公开的 4000 多份饮食记录数据，探究其与目标卡路里的差异特征与成功 / 失败减肥的关系。结果显示使用应用中 “快速添加卡路里” 功能等特征与超标卡路里的结果有关，提示了利用此类数据挖掘的可行性。

    Oct, 2015

  • 使用机器学习和物联网技术减少肥胖的框架 ——MOFit

    研究使用一系列机器学习算法及各种参数进行分类和回归来预测肥胖级别，体重和脂肪含量，并应用遗传算法、随机查找、网格搜索和 Optuna 等多种超参数优化算法来提高模型准确度。

    Aug, 2021

  • 利用计算机视觉推断社交媒体上的身体质量指数

    本文介绍利用计算机视觉技术从社交媒体图片中推测人体质量指数（BMI）的方法，希望这一工具能够推动与体重相关的社会方面的研究。

    Mar, 2017

  • 机器学习预测急性心肌梗死后的长期死亡率：基于收集的收缩时间间隔和临床数据

    该研究调查了树模型在长期死亡预测上的表现，并研究了两种近期引入的生物标志物对长期死亡的影响。研究采用来自中国台湾卫生福利部的 CCHIA 公开数据，以及从 139 例急性心肌梗死患者收集的医学和人口统计学数据，使用先进的集成树模型算法预测了 14 年内的全因死亡率，并发现添加生物标志物后算法的性能有所提高，可更好地为高风险个体确定治疗优先级。

    Mar, 2024

  • 使用结构化语法进化学习差分方程进行餐后血糖预测

    该研究提出了一种新的葡萄糖预测方法，其中结合聚类方法和可解释的语法演化算法，生成有限差分方程，为餐后两小时内的餐后血糖水平提供预测，并通过可解释的表达式生成安全预测，同时提高了预测准确性。

    Jul, 2023