論文の概要: Opportunities of a Machine Learning-based Decision Support System for Stroke Rehabilitation Assessment

• arxiv url: http://arxiv.org/abs/2002.12261v2
• Date: Mon, 2 Mar 2020 17:22:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-28 08:07:05.063335
• Title: Opportunities of a Machine Learning-based Decision Support System for Stroke Rehabilitation Assessment
• Title（参考訳）: ストロークリハビリテーション評価のための機械学習に基づく意思決定支援システムの可能性
• Authors: Min Hun Lee, Daniel P. Siewiorek, Asim Smailagic, Alexandre Bernardino, and Sergi Berm\'udez i Badia
• Abstract要約: リハビリテーションアセスメントは、患者の適切な介入を決定するために重要である。 現在の評価の実践は、主にセラピストの経験に依存しており、セラピストの可用性が限られているため、アセスメントは頻繁に実施される。 我々は、強化学習を用いて評価の健全な特徴を識別できるインテリジェントな意思決定支援システムを開発した。
• 参考スコア（独自算出の注目度）: 64.52563354823711
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rehabilitation assessment is critical to determine an adequate intervention for a patient. However, the current practices of assessment mainly rely on therapist's experience, and assessment is infrequently executed due to the limited availability of a therapist. In this paper, we identified the needs of therapists to assess patient's functional abilities (e.g. alternative perspective on assessment with quantitative information on patient's exercise motions). As a result, we developed an intelligent decision support system that can identify salient features of assessment using reinforcement learning to assess the quality of motion and summarize patient specific analysis. We evaluated this system with seven therapists using the dataset from 15 patient performing three exercises. The evaluation demonstrates that our system is preferred over a traditional system without analysis while presenting more useful information and significantly increasing the agreement over therapists' evaluation from 0.6600 to 0.7108 F1-scores ($p <0.05$). We discuss the importance of presenting contextually relevant and salient information and adaptation to develop a human and machine collaborative decision making system.
• Abstract（参考訳）: 患者の適切な介入を決定するにはリハビリテーション評価が不可欠である。 しかし、現在の評価の実践は主にセラピストの経験に依存しており、セラピストの可用性に限界があるため、しばしば評価が行われる。 本稿では,患者の機能的能力を評価するためのセラピストのニーズを明らかにする(例えば,運動動作の定量的情報を用いた評価の代替的視点)。 その結果、強化学習を用いて評価の健全な特徴を識別し、運動の質を評価し、患者固有の分析を要約する知的意思決定支援システムを開発した。 本システムの評価には15例の患者から7名のセラピストが参加し,3回のエクササイズを行った。 評価の結果,従来のシステムよりも,より有用な情報を提示し,セラピストの評価を0.6600から0.7108F1スコア(p <0.05$)に大幅に向上させることができた。 我々は,人間と機械の協調的意思決定システムを開発する上で,文脈に関連があり,健全な情報提示と適応の重要性について論じる。

関連論文リスト

• Multi-Modal Self-Supervised Learning for Surgical Feedback Effectiveness Assessment [66.6041949490137]
  そこで本研究では,音声による音声入力とそれに対応する手術映像からの情報を統合して,フィードバックの有効性を予測する手法を提案する。 以上の結果から,手書きフィードバックと手術映像の両方が,訓練者の行動変化を個別に予測できることがわかった。 本研究は,手術フィードバックの自動評価を推進するためのマルチモーダル学習の可能性を示すものである。
  論文  参考訳（メタデータ） (2024-11-17T00:13:00Z)
• Multi-Session Client-Centered Treatment Outcome Evaluation in Psychotherapy [9.299504332783325]
  IPAEvalは、クライアントインフォームド心理学的評価に基づく評価フレームワークである。 臨床面接による治療結果の評価をクライアントの視点から自動化する。 IPAEvalは、複数のセッションにおける症状の重症度と治療結果を効果的に追跡し、以前のシングルセッションモデルより優れている。
  論文  参考訳（メタデータ） (2024-10-08T08:54:38Z)
• Design, Development, and Evaluation of an Interactive Personalized Social Robot to Monitor and Coach Post-Stroke Rehabilitation Exercises [68.37238218842089]
  パーソナライズされたリハビリテーションのための対話型ソーシャルロボット運動指導システムを開発した。 このシステムは、ニューラルネットワークモデルとルールベースのモデルを統合し、患者のリハビリテーション運動を自動的に監視し、評価する。 我々のシステムは,新たな参加者に適応し,専門家の合意レベルに匹敵する,エクササイズを評価するための平均パフォーマンス0.81を達成できる。
  論文  参考訳（メタデータ） (2023-05-12T17:37:04Z)
• SupervisorBot: NLP-Annotated Real-Time Recommendations of Psychotherapy Treatment Strategies with Deep Reinforcement Learning [13.173307471333619]
  本稿では,心理療法セッション中のセラピストに対して,リアルタイムで治療戦略を提案するレコメンデーションシステムを提案する。 本システムでは,評価項目の深層埋め込みと患者が話している現在文との類似度スコアを計算し,治療結果を予測するターンレベル評価機構を用いる。
  論文  参考訳（メタデータ） (2022-08-27T19:22:53Z)
• Exploring Runtime Decision Support for Trauma Resuscitation [7.3268099910347715]
  我々は,実行時次分間のアクティビティ予測を提供する治療推薦システムを開発した。 このシステムは、患者コンテキスト(例えば、人口統計学やバイタルサイン)とプロセスコンテキスト(例えば、活動)を使用して、次の数分で実行されるアクティビティを継続的に予測する。 ベストモデルの平均F1スコアは61種類の活動に対して0.67であった。
  論文  参考訳（メタデータ） (2022-07-06T19:02:43Z)
• Optimal discharge of patients from intensive care via a data-driven policy learning framework [58.720142291102135]
  退院課題は、退院期間の短縮と退院決定後の退院や死亡のリスクとの不確実なトレードオフに対処することが重要である。 本研究は、このトレードオフを捉えるためのエンドツーエンドの汎用フレームワークを導入し、最適放電タイミング決定を推奨する。 データ駆動型アプローチは、患者の生理的状態を捉えた同種で離散的な状態空間表現を導出するために用いられる。
  論文  参考訳（メタデータ） (2021-12-17T04:39:33Z)
• "Am I A Good Therapist?" Automated Evaluation Of Psychotherapy Skills Using Speech And Language Technologies [38.726068038788384]
  5000以上のレコードのデータセットを使用して、当社のプラットフォームとそのパフォーマンスを説明します。 本システムでは,セッションのダイナミクスに関する情報を含む包括的フィードバックをセラピストに提供する。 我々は、近い将来、自動精神療法評価ツールの広範な利用が専門家の能力を増強すると確信している。
  論文  参考訳（メタデータ） (2021-02-22T18:52:52Z)
• A Review of Computational Approaches for Evaluation of Rehabilitation Exercises [58.720142291102135]
  本稿では,モーションキャプチャシステムを用いたリハビリテーションプログラムにおける患者のパフォーマンスを評価するための計算手法についてレビューする。 エクササイズ評価のための再検討された計算手法は, 離散的な運動スコア, ルールベース, テンプレートベースアプローチの3つのカテゴリに分類される。
  論文  参考訳（メタデータ） (2020-02-29T22:18:56Z)
• Interpretable Off-Policy Evaluation in Reinforcement Learning by Highlighting Influential Transitions [48.91284724066349]
  強化学習におけるオフ政治評価は、医療や教育などの領域における将来の成果を改善するために観察データを使用する機会を提供する。 信頼区間のような従来の尺度は、ノイズ、限られたデータ、不確実性のために不十分である可能性がある。 我々は,人間専門家が政策評価評価評価の妥当性を分析できるように,ハイブリッドAIシステムとして機能する手法を開発した。
  論文  参考訳（メタデータ） (2020-02-10T00:26:43Z)

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。