Авторизация все шаблоны для dle на сайте newtemplates.ru скачать
 
  • 14:17 – У Держкіно презентували трейлер фільму “Гірська жінка: на війні” 
  • 13:36 – Миротворці для Донбасу: Генсек ОБСЄ обіцяє підтримку 
  • 19:46 – Норвежці побудують 70 вітрових електроустановок за 370 млн євро на Херсонщині 
  • 19:35 – Допинг-скандал в украинском гандболе: 5 человек отстранены 

Ученые научили нейросеть предсказывать диабет, атеросклероз и гипертонию по данным Apple Watch

Американский стартап Cardiogram использовал данные о сердцебиении людей, полученные при помощи умных часов, для обучения DeepHeart - программы, предсказывающей наличие различных заболеваний.

 

Алгоритм, работающий на основе LSTM-нейросети, может предсказывать диабет с точностью 85%, а апноэ - с точностью в 83%. Препринт статьи доступен на arXiv, а результаты исследования были представлены на конференции по искусственному интеллекту AAAI-2018.

 

Фитнес-браслеты и умные часы -  это гаджеты, которые позволяют пользователям следить за активностью, сном и сердцебиением.

 

Разработчики из Cardiogram совместно с исследователями из Калифорнийского университета в Сан-Франциско под руководством Марка Плетчера (Mark Pletcher) использовали для обучения нейросети данные более 50 тысяч человеко-недель, полученные от 14 тысяч участников исследования, пользовавшихся фитнес-приложением для Apple Watch.

 

Участники также предоставили информацию о существующих у них медицинских состояниях: в первую очередь исследователей интересовали диабет, повышенный холестерин, гипертония и сонное апноэ (остановка дыхания).

 

Часть данных была использована для обучения LSTM-нейросети без учителя: благодаря этому алгоритм научился распознавать вариации в человеческом сердцебиение, не имея при этом достаточно большого для обучения с учителем количества размеченных данных. 

 

Данные о различиях в сердцебиении затем были использованы на тестовой, размеченной выборке - и алгоритм смог успешно определить диабет (84,5 процента), повышенный холестерин (74,4 процента), гипертонию (80,8 процента) и сонное апноэ (82,9 процента).

 

Несмотря на то, что использование DeepHeart показало свою эффективность, авторы отмечают, что в дальнейшем необходимо учитывать большое количество дополнительных переменных: возраст и пол участников, курение, потребление алкоголя и так далее. В целом, считают ученые, такой метод может применяться для предупреждения появления изученных состояний с использованием фитнес-трекеров и умных часов разных производителей.

 

Еще одно возможное применение данных с фитнес-трекеров - это мониторинг сна с точностью, близкой к лабораторной. Это удалось сделать исследователям, которые в качестве основного показателя активности во время ночного отдыха использовали данные о положении и движениях рук пользователей.

 

Читайте также: Apple запатентувала стилус з можливістю малювати тривимірні об'єкти прямо в повітрі

скачать dle 11.0фильмы бесплатно
рейтинг: 
  • Нравится
  • 0
Оставить комментарий
  • Комментируют
  • Сегодня
  • Читаемое
Мы в соцсетях
  • Facebook