論文の概要: A comparative study of machine learning techniques used in non-clinical
systems for continuous healthcare of independent livings
- arxiv url: http://arxiv.org/abs/2005.09502v1
- Date: Tue, 19 May 2020 14:59:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-19 08:15:24.313623
- Title: A comparative study of machine learning techniques used in non-clinical
systems for continuous healthcare of independent livings
- Title（参考訳）: 自立生活継続医療における非臨床システムにおける機械学習技術の比較研究
- Authors: Zahid Iqbal, Rafia Ilyas, Waseem Shahzad, Irum Inayat
- Abstract要約: 本研究は、自立生活のための医療システムにおける機械学習技術の使用状況を分析する。
ほとんどのシステムが単一の目的のために作られていることが観察されている。
複数の疾患を持つ患者に使用できる、より汎用的なシステムを構築する必要がある。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: New technologies are adapted to made progress in healthcare especially for
independent livings. Medication at distance is leading to integrate
technologies with medical. Machine learning methods in collaboration with
wearable sensor network technology are used to find hidden patterns in data,
detect patient movements, observe habits of patient, analyze clinical data of
patient, find intention of patients and make decision on the bases of gathered
data. This research performs comparative study on non-clinical systems in
healthcare for independent livings. In this study, these systems are
sub-divided w.r.t their working into two types: single purpose systems and
multi-purpose systems. Systems that are built for single specific purpose (e.g.
detect fall, detect emergent state of chronic disease patient) and cannot
support healthcare generically are known as single purpose systems, where
multi-purpose systems are built to serve for multiple problems (e.g. heart
attack etc.) by using single system. This study analyzes usages of machine
learning techniques in healthcare systems for independent livings. Answer Set
Programming (ASP), Artificial Neural Networks, Classification, Sampling and
Rule Based Reasoning etc. are some state of art techniques used to determine
emergent situations and observe changes in patient data. Among all methods, ASP
logic is used most widely, it is due to its feature to deal with incomplete
data. It is also observed that system using ANN shows better accuracy than
other systems. It is observed that most of the systems created are for single
purpose. In this work, 10 single purpose systems and 5 multi-purpose systems
are studied. There is need to create more generic systems that can be used for
patients with multiple diseases. Also most of the systems created are
prototypical. There is need to create systems that can serve healthcare
services in real world.
- Abstract（参考訳）: 新しい技術は医療の進歩、特に独立した生活に適応している。
遠隔医療は医療とテクノロジーの統合に繋がっている。
ウェアラブルセンサーネットワーク技術と協調する機械学習手法は、データ中の隠れパターンを見つけ、患者の動きを検出し、患者の習慣を観察し、患者の臨床データを分析し、患者の意図を見つけ、収集されたデータに基づいて決定する。
本研究は, 自立生活者の医療における非臨床システムの比較研究を行う。
本研究では,これらのシステムを,単一目的システムと多目的システムという2つのタイプに分類した。
単一の特定の目的のために構築されるシステム(例えば、転倒を検出し、慢性疾患患者の緊急状態を検出し、医療を一般的にサポートできないシステム)は、単一のシステムを用いて複数の問題(例えば、心臓発作など)に対処するために構築される。
本研究は、自立生活のための医療システムにおける機械学習技術の使用状況を分析する。
Answer Set Programming (ASP), Artificial Neural Networks, Classification, Smpling and Rule Based Reasoning等は、緊急状況を特定し、患者のデータの変化を観察する技術である。
すべてのメソッドの中で、ASPロジックが最も広く使われているのは、不完全なデータを扱う機能のためです。
また,ANNを用いたシステムは,他のシステムよりも精度が高いことがわかった。
生成されたシステムのほとんどは単一の目的のためである。
本研究では、10の単一目的システムと5つの多目的システムについて検討する。
複数の疾患を持つ患者に使用できる、より汎用的なシステムを構築する必要がある。
また、ほとんどのシステムは原型的である。
現実世界で医療サービスを提供できるシステムを構築する必要がある。
関連論文リスト
- Automated Ensemble Multimodal Machine Learning for Healthcare [52.500923923797835]
本稿では,自動機械学習を用いた構造化臨床(タブラル)データと医用画像の統合を実現するマルチモーダルフレームワークAutoPrognosis-Mを紹介する。
AutoPrognosis-Mには、畳み込みニューラルネットワークとビジョントランスフォーマーを含む17のイメージングモデルと、3つの異なるマルチモーダル融合戦略が含まれている。
論文 参考訳（メタデータ） (2024-07-25T17:46:38Z) - Autonomous Artificial Intelligence Agents for Clinical Decision Making in Oncology [0.6397820821509177]
本稿では,大規模言語モデル(LLM)を中心的推論エンジンとして活用する,マルチモーダル医療用AIの代替手法を提案する。
このエンジンは、医療用AIツールのセットを自律的に調整し、デプロイする。
適切なツール(97%)、正しい結論(93.6%)、完全(94%)、個人患者に有用な推奨(89.2%)を提示する能力が高いことを示す。
論文 参考訳（メタデータ） (2024-04-06T15:50:19Z) - Clinical Decision Support System for Unani Medicine Practitioners [0.0]
提案システムは,患者の症状を入力するためのWebベースのインターフェースを提供する。
このシステムにより、患者は最も可能性の高い疾患を選択し、関連する治療法を遠隔で患者に知らせることができる。
論文 参考訳（メタデータ） (2023-10-24T13:49:18Z) - Walk4Me: Telehealth Community Mobility Assessment, An Automated System
for Early Diagnosis and Disease Progression [2.96872688940436]
本研究では,早期診断,重症度,進行診断を容易にする遠隔地移動度評価システムであるWalk4Meを紹介する。
これを実現するために、我々は、人工知能(AI)を用いた、患者および典型的に発達する仲間の歩行特性の検出を用いる。
我々のシステムは,新しいWalk4Me APIを用いて,デバイスセンサ(モバイルデバイスからの加速度など)からリモートおよびリアルタイムにデータを収集する。
論文 参考訳（メタデータ） (2023-05-05T10:47:34Z) - Sebis at SemEval-2023 Task 7: A Joint System for Natural Language
Inference and Evidence Retrieval from Clinical Trial Reports [0.799536002595393]
SemEval-2023 Task 7は、エビデンス検索と臨床試験データからの自然言語推論という2つのタスクのためのNLPシステムを開発することを目的としていた。
最終応募者40名中3位にランクインした。
論文 参考訳（メタデータ） (2023-04-25T22:22:42Z) - 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) - A Domain-Agnostic Approach for Characterization of Lifelong Learning
Systems [128.63953314853327]
「生涯学習」システムには,1)継続的学習,2)伝達と適応,3)拡張性があります。
この一連のメトリクスは、様々な複雑な生涯学習システムの開発に役立てることができることを示す。
論文 参考訳（メタデータ） (2023-01-18T21:58:54Z) - User-Driven Research of Medical Note Generation Software [49.85146209418244]
本稿では,医療用ノート生成システム開発における3ラウンドのユーザスタディについて述べる。
参加する臨床医の印象と,システムがどのようにそれらに価値あるものに適合すべきかの視点について論じる。
遠隔医療における3週間のシステムテストについて述べる。
論文 参考訳（メタデータ） (2022-05-05T10:18:06Z) - Learning Physical Concepts in Cyber-Physical Systems: A Case Study [72.74318982275052]
本稿では,時系列データにおける物理概念の学習方法に関する研究の現状について概説する。
また,3タンクシステムの例を用いて,最先端技術から最も重要な手法を分析した。
論文 参考訳（メタデータ） (2021-11-28T14:24:52Z) - Role of Artificial Intelligence, Clinicians & Policymakers in Clinical
Decision Making: A Systems Viewpoint [2.578242050187029]
本稿では、複雑なシステムのすべてのコンポーネントが何らかの形で相互に依存しているという事実を強調する。
この記事に記載されている医療システムは広く、複雑である。
これらの構成要素間の相互作用は、医療システム全体の振舞いと存在を左右する。
論文 参考訳（メタデータ） (2021-10-31T14:47:05Z) - 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)
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。