Fugu-MT 論文翻訳(概要): Collecting big behavioral data for measuring behavior against obesity

論文の概要: Collecting big behavioral data for measuring behavior against obesity

arxiv url: http://arxiv.org/abs/2005.04928v1
Date: Mon, 11 May 2020 08:51:07 GMT
ステータス: 処理完了
システム内更新日: 2023-05-20 14:12:52.332986
Title: Collecting big behavioral data for measuring behavior against obesity
Title（参考訳）: 肥満に対する行動計測のための大規模行動データ収集
Authors: Vasileios Papapanagiotou, Ioannis Sarafis, Christos Diou, Ioannis Ioakimidis, Evangelia Charmandari, Anastasios Delopoulos
Abstract要約: 個人レベルの行動情報を客観的かつ自動的に抽出・収集するシステムを提案する。行動情報は、身体活動、訪問場所の種類、それらの間の移動モードに関連している。このシステムは、若年層の肥満を防ぐことを目的として、EUが出資するBigOプロジェクト(英語版)の文脈で開発され、統合されている。
参考スコア（独自算出の注目度）: 4.879286072217533
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Obesity is currently affecting very large portions of the global population. Effective prevention and treatment starts at the early age and requires objective knowledge of population-level behavior on the region/neighborhood scale. To this end, we present a system for extracting and collecting behavioral information on the individual-level objectively and automatically. The behavioral information is related to physical activity, types of visited places, and transportation mode used between them. The system employs indicator-extraction algorithms from the literature which we evaluate on publicly available datasets. The system has been developed and integrated in the context of the EU-funded BigO project that aims at preventing obesity in young populations.
Abstract（参考訳）: 現在、肥満は世界の人口の大部分に影響を与えている。効果的な予防と治療は、早期に始まり、地域や近隣の規模で人口レベルの行動の客観的な知識を必要とする。本研究では,個人レベルの行動情報を客観的かつ自動的に抽出・収集するシステムを提案する。行動情報は、身体活動、訪問場所の種類、それらの間の移動モードに関連している。本システムは,公開データセットを用いて評価した文献からの指標抽出アルゴリズムを用いる。このシステムは、若年層の肥満を防ぐことを目的として、EUが出資するBigOプロジェクトの文脈で開発され、統合されている。

関連論文リスト

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)
WUDI: A Human Involved Self-Adaptive Framework to Prevent Childhood Obesity in Internet of Things Environment [25.046936884407017]
IoT環境からのライフログデータを使用することで、幼児の肥満を防止するための自己適応型フレームワークが提案されている。このフレームワークは、アンサンブルベースの学習モデルを使用して、ライフログデータを用いて肥満を予測する。提案フレームワークは、小児肥満の医療サービスに応用できる。
論文参考訳（メタデータ） (2023-08-30T10:52:00Z)
Learnable Weight Initialization for Volumetric Medical Image Segmentation [66.3030435676252]
本稿では,学習可能な重みに基づくハイブリッド医療画像セグメンテーション手法を提案する。我々のアプローチはどんなハイブリッドモデルにも簡単に統合でき、外部のトレーニングデータを必要としない。多臓器・肺がんセグメンテーションタスクの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2023-06-15T17:55:05Z)
Learn to Predict How Humans Manipulate Large-sized Objects from Interactive Motions [82.90906153293585]
本稿では,動きデータと動的記述子を融合させるグラフニューラルネットワークHO-GCNを提案する。動的記述子を消費するネットワークは、最先端の予測結果が得られ、未確認オブジェクトへのネットワークの一般化に役立つことを示す。
論文参考訳（メタデータ） (2022-06-25T09:55:39Z)
Label scarcity in biomedicine: Data-rich latent factor discovery enhances phenotype prediction [102.23901690661916]
低次元の埋め込み空間は、健康指標、ライフスタイル、および人口動態の予測をデータスカース化するために、英国バイオバンクの人口データセットから導出することができる。半超越的アプローチによるパフォーマンス向上は、おそらく様々な医学データサイエンス応用にとって重要な要素となるだろう。
論文参考訳（メタデータ） (2021-10-12T16:25:50Z)
TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
論文参考訳（メタデータ） (2021-04-08T20:01:00Z)
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)
A Data Driven End-to-end Approach for In-the-wild Monitoring of Eating Behavior Using Smartwatches [8.257740966456172]
本稿では, 食事中の食行動の自動化と, 食事の時間的局在のモデル化に向けて, 完全な枠組みを提案する。食物摂取事象(すなわち噛み跡)を検出するエンドツーエンドニューラルネットワークを提案する。食事の開始点と終了点を信号処理アルゴリズムを用いて推定するために,検出した噛み跡の1日を通して分布を推定する方法を示す。
論文参考訳（メタデータ） (2020-10-12T12:35:56Z)
MFED: A System for Monitoring Family Eating Dynamics [7.390103907991721]
家族の摂食動態(FED)は、子と親の食事摂取に影響を与える可能性が高く、最終的には肥満のリスクがある。現在、FEDをリアルタイムに監視するシステムは存在しない。本稿では,野生生物のFEDをリアルタイムにモニタリングするシステムであるMFEDについて述べる。
論文参考訳（メタデータ） (2020-07-11T19:00:53Z)
Inferring the Spatial Distribution of Physical Activity in Children Population from Characteristics of the Environment [5.16880858963093]
本研究では,地域環境の機能として期待される人口行動をモデル化するための新しい分析手法を提案する。小地域における身体活動の予測において,本手法を実験的に評価した。具体的には、ある地域の身体活動レベルを予測するモデルを訓練し、81%のアウトアウト精度を達成した。
論文参考訳（メタデータ） (2020-05-08T11:07:35Z)
BigO: A public health decision support system for measuring obesogenic behaviors of children in relation to their local environment [3.1617908029688913]
BigOは、子どもや思春期の若者やその環境から客観的な行動データを集めるために設計されたシステムである。本稿では,BigO システムのデータ取得,インジケータ抽出,データ探索,分析コンポーネントについて概説する。
論文参考訳（メタデータ） (2020-05-06T16:06:54Z)

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。