연구동향 분석

딥러닝을 활용한 고위험 질병 관리를 예측하는 실시간 헬스케어 플렛폼 시스템

전병찬 김수아 2021년

논문상세정보
인용/피인용
' 딥러닝을 활용한 고위험 질병 관리를 예측하는 실시간 헬스케어 플렛폼 시스템' 의 주제별 논문영향력
논문영향력 선정 방법
논문영향력 요약
주제
  • Continuous glucose monitoring(CGM)
  • Deep learning
  • Diabetes
  • Feed forward neural network
  • iot
  • mqtt
  • prediction
  • real time
동일주제 총논문수 논문피인용 총횟수 주제별 논문영향력의 평균
3,407 0

0.0%

' 딥러닝을 활용한 고위험 질병 관리를 예측하는 실시간 헬스케어 플렛폼 시스템' 의 참고문헌

  • 제2형 당뇨병 환자의 혈당조절에 대한 영향요인 분석: 제6기 국민건강영양조사자료(2013~2015) 활용
    구미옥 [2019]
  • deep neural networks with residual connections for precipitation forecasting
    M. Nguyen [2017]
  • The team approach to diabetes management:Partnering with patients
    P. Aschner [2007]
  • The MQTT protocol
  • Performance evaluation of MQTT and CoAP via a common middleware
  • Parental fear of hypoglycemia:young children treated with continuous subcutaneous insulin infusion
  • Overfitting and undercomputing in machine learning
  • Mosquitto
  • MQTT V3.1 protocol specification
  • JCHR
  • Introduction to multi-layer feed-forward neural networks
    D. Svozil [1997]
  • Internet of Things : a survey on enabling technologies, protocols, and applications
  • Internet of A study on the data collection solution based on MQTT protoclas for stable IoT platforms
    S. H. Kim [2016]
  • Improved automated detection of diabetic retinopathy on a publicly available dataset through integration of deep learning
  • Elastic
  • Deep learning algorithms and applications
    J. W. Kim [2015]
  • Deep Learning
    Y. LeCun [2015]
  • Correlation analysis of MQTT loss and delay according to QoS level
    S. H. Lee [2013]
  • Conti nuous glucose monitoring (CGM). Rinsho byori
    D. Tsujino [2014]
  • American Diabetes Association
  • A neural-network-based approach to personalize insulin bolus calculation using continuous glucose monitoring
    G. Cappon [2018]