Recomendados
Recomendados
Mais conteúdo relacionado
Último
Último (7)
Destaque
Destaque (20)
E-MedicineBox@ROHC2019
- 2. • 予備軍の場合食事・運動療法 • ２型糖尿病で比較的軽度の場合 • 即効性からゆっくり効くものまでさまざま 投薬治療 • １型糖尿病の人 • ２型糖尿病で重度の場合 インシュリン注射 • 血糖値が上がりすぎて本当にヤバイ場合インシュリン点滴 ~ Point ~ 薬の飲み忘れ・二度飲みを防止するプロダクトを開発
- 8. スマホ RaspberryPI3薬箱 EnOcean (マグネット) EnOcean受信部 (USBドングル) BLE受信部 クラウドサーバ (さくらのVPS) LINE webhook (NodeRed) EnOcean受信制御 Node.js BLE受信制御 (python) EnOcean イベント管理 (NodeRed) mysql LINEアプリ Network Interface 薬箱の開閉をEnOcean で検知し、ラズパイ経由でクラウドサーバへ送信。 LINE アプリとクラウドサーバの連動で薬の管理を行う。
- 11. RaspberryPI3学習・認識装置 BLE通信部 (ROHM 拡張ボード) EnOcean受信部 (USBドングル) BLE受信部 EnOcean受信制御 Node.js BLE受信制御 (python) Network Interface SDカード 学習データ (80x60x3画像) Spresense 拡張ボード 最適化済パラメータ (nnbファイル) PC(GTX1070) NeuralNetwork Console Spresense カメラボード SDカード Read/Write Spresense メインボード DNNRT (機械学習の推論) Neural Network Libraries BLE受信部 薬箱 EnOcean (マグネット) Spresense & カメラで学習データを収集し、 PCでIDを付与・機械学習を実施して最適化済 パラメータを生成。 Spresense で最適化済みパラメータを用いて カメラ画像のIDを推論。 IDをデモアプリに通知してレンダリング。
- 12. 学習時 61700 枚の画像を学習 クラスタ数：14 画像サイズ：80x60 RGB 収集した617枚の画像を 100倍に水増し 画像サイズがこれより 大きいとそもそも Spresense のメモリに 載らない・・・。 評価時(交差検定) 16100 枚の画像で評価 クラスタ数：14 画像サイズ：80x60 RGB 収集した161枚の画像を 100倍に水増し １枚の画像推論に160msec 程度 正解率:98.64% 平均適合率: 97.82% (正確性の指標) 平均再現率: 97.16% (網羅性の指標) LeNet ベースの機械学習を実施（中間ノード数は極力減らす） ImageAugmentation を用いて学習データの水増しを実施 (マイコン稼働時は不使用) 最適化済パラメータを生成：158KByte
- 15. • • • • • •
- 17. • • • • • •
- 18. • • • • • • •
- 19. • 正常値~ 99mg/dl • 正常高値~109mg/dl • 境界型（治療コース）~125mg/dl • 糖尿病型(入院コース)126mg/dl~ • 検査キットで計測不能（昏倒・緊急入院コース）600mg/dl~ ~ Point ~ 比較的小さな病院でもすぐにわかる（１分かからない） 喉の渇きとかポカリが恋しくなってきたとかあれば検査をお勧めします 空腹時 血糖値
- 20. • 耐糖能正常者4.6～6.2% • 合併症予防目標~7.0% • 治療強化が困難な場合の目標~8.0% ~ Point ~ HbA1c は急激に変動しない。１～２か月かけて緩やかに変動する。 辛抱強く治療を継続しないと数値は改善しない。 5.6～5.9％の方は、「将来糖尿病を発症リスクが高い」グループ 6.0～6.4％:「糖尿病の疑いが否定できない」グループ HbA1c