論文の概要: TILES-2018, a longitudinal physiologic and behavioral data set of hospital workers

• arxiv url: http://arxiv.org/abs/2003.08474v2
• Date: Fri, 18 Dec 2020 19:09:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-05-28 19:55:35.942232
• Title: TILES-2018, a longitudinal physiologic and behavioral data set of hospital workers
• Title（参考訳）: 病院職員の縦断的生理行動データセットTILES-2018
• Abstract要約: 病院の職場における臨床提供者から収集した生理的・行動的データの経時的多モーダルコーパスについて報告する。 本研究は,作業性能や対人インタラクション,幸福感など,個人固有の構成要素を理解するために,市販のウェアラブルおよび環境センサを用いた研究を設計した。 データセットの既定使用に加えて、マルチモーダルおよびマルチタスクの振る舞いモデリング、バイオメトリックスによる認証、プライバシ認識およびプライバシ保護機械学習など、いくつかの新しい研究機会と潜在的な応用を想定しています。
• 参考スコア（独自算出の注目度）: 39.23595343167787
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We present a novel longitudinal multimodal corpus of physiological and behavioral data collected from direct clinical providers in a hospital workplace. We designed the study to investigate the use of off-the-shelf wearable and environmental sensors to understand individual-specific constructs such as job performance, interpersonal interaction, and well-being of hospital workers over time in their natural day-to-day job settings. We collected behavioral and physiological data from $n = 212$ participants through Internet-of-Things Bluetooth data hubs, wearable sensors (including a wristband, a biometrics-tracking garment, a smartphone, and an audio-feature recorder), together with a battery of surveys to assess personality traits, behavioral states, job performance, and well-being over time. Besides the default use of the data set, we envision several novel research opportunities and potential applications, including multi-modal and multi-task behavioral modeling, authentication through biometrics, and privacy-aware and privacy-preserving machine learning.
• Abstract（参考訳）: 病院における直接臨床提供者から収集された生理的・行動的データの縦型マルチモーダルコーパスを提案する。 本研究は,市販のウェアラブルと環境センサを用いて,日々の業務環境において,業務パフォーマンスや対人関係,病院職員の幸福感など,個人固有の構造を理解するために設計した。 私たちは、Bluetoothデータハブ、ウェアラブルセンサー(リストバンド、バイオメトリックス追跡服、スマートフォン、オーディオ機能レコーダーを含む)、そして、個性特性、行動状態、仕事パフォーマンス、健康状態などを評価するための調査のバッテリーから、n = 212$の参加者から、行動データと生理的データを収集しました。 データセットのデフォルト使用に加えて、マルチモーダルおよびマルチタスク動作モデリング、バイオメトリックスによる認証、プライバシアウェアおよびプライバシ保護機械学習など、いくつかの新しい研究機会と潜在的な応用を想定しています。

関連論文リスト

• REMONI: An Autonomous System Integrating Wearables and Multimodal Large Language Models for Enhanced Remote Health Monitoring [4.85305127684971]
  本稿では、マルチモーダル大言語モデル(MLLM)、モノのインターネット(IoT)、ウェアラブルデバイスを統合した、自律型リモートヘルス監視システムREMONIを提案する。 このシステムは、バイタルサイン、特殊なウェアラブル(スマートウォッチなど)からの加速度計データ、そしてカメラから収集された患者のビデオクリップの視覚データを自動的に、継続的に収集する。 本システムの特徴は,医療従事者の問い合わせに応じて患者の活動や感情を検知・認識できるMLLMを用いて開発された自然言語処理コンポーネントである。
  論文  参考訳（メタデータ） (2025-10-24T13:23:38Z)
• Understanding Human Daily Experience Through Continuous Sensing: ETRI Lifelog Dataset 2024 [2.6953508724475967]
  ETRI Lifelog データセット 2024 を導入し、その構造と潜在的な応用について詳述する。 この包括的ライフログデータセットは、人間の日常生活とライフスタイルに関する有意義な洞察を探求するための基礎的なリソースを提供すると期待されている。
  論文  参考訳（メタデータ） (2025-07-18T00:51:42Z)
• A State-of-the-Art Review of Computational Models for Analyzing Longitudinal Wearable Sensor Data in Healthcare [1.7872597573698263]
  長期追跡は、数ヶ月のタイムスケールで定義されており、健康変化の指標としてパターンや変化の洞察を与えることができる。 これらの知見は、医療と医療をより予測し、予防し、パーソナライズし、参加しやすくする(The 4P's)。
  論文  参考訳（メタデータ） (2024-07-31T15:08:15Z)
• Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
  我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。 我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
  論文  参考訳（メタデータ） (2024-05-15T20:41:46Z)
• Private Data Leakage in Federated Human Activity Recognition for Wearable Healthcare Devices [6.422056036165425]
  複数のウェアラブルデバイスにまたがるフェデレーションされたユーザ行動認識モデルにおけるプライバシー漏洩問題について検討する。 提案システムでは,N$のウェアラブルデバイスユーザとパラメータサーバで構成されるフェデレーション学習アーキテクチャを提案する。 5つの公開HARデータセットで実施された実験では、悪意のあるサーバベースのメンバシップ推論の精度が92%であることが示されている。
  論文  参考訳（メタデータ） (2024-05-14T07:43:22Z)
• Multi-Channel Time-Series Person and Soft-Biometric Identification [65.83256210066787]
  本研究は, 深層建築を用いて異なる活動を行う人間の記録から, 個人とソフトバイオメトリックスを同定する。 マルチチャネル時系列ヒューマンアクティビティ認識(HAR)の4つのデータセットに対する手法の評価を行った。 ソフトバイオメトリクスに基づく属性表現は、有望な結果を示し、より大きなデータセットの必要性を強調している。
  論文  参考訳（メタデータ） (2023-04-04T07:24:51Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
  本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。 HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。 我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
  論文  参考訳（メタデータ） (2022-03-14T17:05:59Z)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• Synthesizing Skeletal Motion and Physiological Signals as a Function of a Virtual Human's Actions and Emotions [10.59409233835301]
  本研究では, 同期運動, 心電図, 血圧, 呼吸, 皮膚伝導信号の計算モデルからなるシステムを開発した。 提案されたフレームワークはモジュール化されており、柔軟性によってさまざまなモデルを試すことができる。 ラウンド・ザ・タイム・モニタリングのためのML研究を低コストで行うことに加えて、提案されたフレームワークはコードとデータの再利用を可能にする。
  論文  参考訳（メタデータ） (2021-02-08T21:56:15Z)
• Multimodal Privacy-preserving Mood Prediction from Mobile Data: A Preliminary Study [34.550824104906255]
  精神的な健康状態は、先進医療に共通のアクセスを持つ国でも診断が不十分である。 人間の行動を監視するための有望なデータソースのひとつは、毎日のスマートフォンの利用だ。 リスクの高い青年の移動行動のデータセットを用いて行動マーカーや日常の気分を調査した。
  論文  参考訳（メタデータ） (2020-12-04T01:44:22Z)
• Learning Generalizable Physiological Representations from Large-scale Wearable Data [12.863826659440026]
  意味ラベルのない活動・心拍(HR)信号を用いた新しい自己教師型表現学習法を提案する。 その結果, 線形分類器を用いた伝達学習により, 様々な下流タスクにおいて, 埋め込みが一般化できることが示唆された。 本研究は,大規模健康・ライフスタイルモニタリングに寄与する行動・生理的データに対する,最初のマルチモーダル自己管理手法を提案する。
  論文  参考訳（メタデータ） (2020-11-09T17:56:03Z)

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。