論文の概要: Health State Estimation
- arxiv url: http://arxiv.org/abs/2003.09312v1
- Date: Mon, 16 Mar 2020 21:06:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-23 03:59:07.245796
- Title: Health State Estimation
- Title（参考訳）: 健康状態の推定
- Authors: Nitish Nag
- Abstract要約: 論文は、個人モデルを構築し、個人の健康状態を動的に推定するアプローチを提示します。
システムは4つの重要な抽象要素から縫合される。
実験では、個々の心臓血管の健康状態を監視するために、高密度で均一な現実世界のデータを使用することが示されている。
- 参考スコア（独自算出の注目度）: 2.463876252896007
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Life's most valuable asset is health. Continuously understanding the state of
our health and modeling how it evolves is essential if we wish to improve it.
Given the opportunity that people live with more data about their life today
than any other time in history, the challenge rests in interweaving this data
with the growing body of knowledge to compute and model the health state of an
individual continually. This dissertation presents an approach to build a
personal model and dynamically estimate the health state of an individual by
fusing multi-modal data and domain knowledge. The system is stitched together
from four essential abstraction elements: 1. the events in our life, 2. the
layers of our biological systems (from molecular to an organism), 3. the
functional utilities that arise from biological underpinnings, and 4. how we
interact with these utilities in the reality of daily life. Connecting these
four elements via graph network blocks forms the backbone by which we
instantiate a digital twin of an individual. Edges and nodes in this graph
structure are then regularly updated with learning techniques as data is
continuously digested. Experiments demonstrate the use of dense and
heterogeneous real-world data from a variety of personal and environmental
sensors to monitor individual cardiovascular health state. State estimation and
individual modeling is the fundamental basis to depart from disease-oriented
approaches to a total health continuum paradigm. Precision in predicting health
requires understanding state trajectory. By encasing this estimation within a
navigational approach, a systematic guidance framework can plan actions to
transition a current state towards a desired one. This work concludes by
presenting this framework of combining the health state and personal graph
model to perpetually plan and assist us in living life towards our goals.
- Abstract（参考訳）: 人生で最も価値ある資産は健康である。
健康状態の継続的な理解と、それがどのように進化するかのモデリングは、それを改善するためには不可欠です。
人々が現在、歴史上のあらゆる時間よりも、自分の人生に関するより多くのデータを持っている機会を考えると、このデータと、個人の健康状態を継続的に計算しモデル化するための知識の集団との相互作用が課題となる。
この論文は、個人モデルを構築し、マルチモーダルデータとドメイン知識を融合させて個人の健康状態を動的に推定するアプローチを示す。
システムは4つの重要な抽象要素から縫合される。
1 私たちの人生の出来事は
2. 生体系(分子から生物まで)の層
3 生物学的基盤から生じる機能的ユーティリティ、及び
4.日常生活の現実におけるこれらのユーティリティとのインタラクションの仕方
これら4つの要素をグラフネットワークブロックで接続することで、個々のデジタル双生児をインスタンス化するバックボーンを形成します。
このグラフ構造のエッジとノードは、データが継続的に消化されるにつれて、学習技術によって定期的に更新される。
実験は、個人の心血管状態を監視するために、様々な個人的・環境的センサーからの高密度で異種な実世界データの使用を実証する。
状態推定と個人モデリングは、疾患指向アプローチから完全な健康継続パラダイムに移行するための基本的な基礎である。
健康予測の精度は、状態の軌跡を理解する必要がある。
この推定をナビゲーションアプローチに含めることで、システマティックガイダンスフレームワークは、現在の状態を望ましい状態に移行するためのアクションを計画することができる。
この研究は、健康状態と個人グラフモデルを組み合わせたこの枠組みを永久に計画し、私たちの目標に向かって生きていくことを支援することで締めくくります。
関連論文リスト
- Graph-Augmented LLMs for Personalized Health Insights: A Case Study in Sleep Analysis [2.303486126296845]
大規模言語モデル(LLM)は、インタラクティブなヘルスアドバイスを提供する上で、有望であることを示している。
Retrieval-Augmented Generation (RAG) やファインチューニングのような従来の手法は、複雑で多次元で時間的に関係のあるデータを完全に活用できないことが多い。
本稿では,健康意識のパーソナライズと明確性を高めるために,グラフ拡張LDMフレームワークを提案する。
論文 参考訳（メタデータ） (2024-06-24T01:22:54Z) - Safe AI for health and beyond -- Monitoring to transform a health
service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。
モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文 参考訳（メタデータ） (2023-03-02T17:27:45Z) - Towards Neural Numeric-To-Text Generation From Temporal Personal Health
Data [16.814550345738578]
数値的な個人健康データから高品質な自然言語要約を自動生成できることが示される。
我々の研究は、個人の健康データから新しい意味のある時間的要約を自動的に生成するという野心的な目標に向けての第一歩となる。
論文 参考訳（メタデータ） (2022-07-11T21:16:48Z) - Practical Challenges in Differentially-Private Federated Survival
Analysis of Medical Data [57.19441629270029]
本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。
小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。
DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
論文 参考訳（メタデータ） (2022-02-08T10:03:24Z) - Towards Integrative Multi-Modal Personal Health Navigation Systems:
Framework and Application [3.9021888281943173]
一般化されたPersonal Health Navigation (PHN) フレームワークを提案する。
PHNは個人を、データストリームを永久に消化するシステムを通じて、個人の健康目標に向かっている。
我々は、心臓科領域における2つの実験でPHNシステムをテストする。
論文 参考訳（メタデータ） (2021-11-16T09:34:54Z) - MIMO: Mutual Integration of Patient Journey and Medical Ontology for
Healthcare Representation Learning [49.57261599776167]
本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
論文 参考訳（メタデータ） (2021-07-20T07:04:52Z) - Interpretable machine learning for high-dimensional trajectories of
aging health [0.0]
我々は、健康と生存の個人的高齢軌跡の計算モデルを構築した。
身体的、機能的、生物学的な変数を含み、人口動態、生活様式、医学的背景情報に依存する。
我々のモデルは大規模縦型データセットにスケーラブルであり、健康変数間の有向相互作用の解釈可能なネットワークを推定する。
論文 参考訳（メタデータ） (2021-05-07T17:42:15Z) - Health Status Prediction with Local-Global Heterogeneous Behavior Graph [69.99431339130105]
ウェアラブルセンサから継続的に収集される各種データストリームにより、健康状態の推定が可能です。
行動関連マルチソースデータストリームをローカル・グローバル・グラフでモデル化することを提案する。
学生生活データセットを用いて実験を行い,提案モデルの有効性を実証した。
論文 参考訳（メタデータ） (2021-03-23T11:10:04Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳（メタデータ） (2020-11-17T15:18:38Z) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳（メタデータ） (2020-01-08T15:47:08Z)
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。