論文の概要: Fatigue Assessment using ECG and Actigraphy Sensors

• arxiv url: http://arxiv.org/abs/2008.02871v2
• Date: Tue, 18 Aug 2020 15:15:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 06:26:30.165227
• Title: Fatigue Assessment using ECG and Actigraphy Sensors
• Title（参考訳）: ecgおよびアクチグラフィセンサを用いた疲労評価
• Authors: Yang Bai, Yu Guan, Wan-Fai Ng
• Abstract要約: 疲労は、作業効率の低下と健康関連生活の質を損なう重要な要因の1つである。 ほとんどの疲労評価法は自己報告に基づいており、リコールバイアスのような多くの要因に悩まされる可能性がある。 我々は,客観的疲労評価のためのウェアラブルセンシングと機械学習技術を用いた自動システムを開発した。
• 参考スコア（独自算出の注目度）: 17.10372013400561
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fatigue is one of the key factors in the loss of work efficiency and health-related quality of life, and most fatigue assessment methods were based on self-reporting, which may suffer from many factors such as recall bias. To address this issue, we developed an automated system using wearable sensing and machine learning techniques for objective fatigue assessment. ECG/Actigraphy data were collected from subjects in free-living environments. Preprocessing and feature engineering methods were applied, before interpretable solution and deep learning solution were introduced. Specifically, for interpretable solution, we proposed a feature selection approach which can select less correlated and high informative features for better understanding system's decision-making process. For deep learning solution, we used state-of-the-art self-attention model, based on which we further proposed a consistency self-attention (CSA) mechanism for fatigue assessment. Extensive experiments were conducted, and very promising results were achieved.
• Abstract（参考訳）: 疲労は作業効率の低下と健康関連qolの鍵となる要因の1つであり、疲労評価手法のほとんどは自己報告に基づいており、リコールバイアスなど多くの要因に苦しむ可能性がある。 そこで本研究では,ウェアラブルセンシングと機械学習技術を用いた客観的疲労評価システムを開発した。 自由生活環境の被験者からecg/actigraphyデータを収集した。 解釈可能なソリューションとディープラーニングソリューションが導入される前に、前処理と特徴工学の手法が適用された。 具体的には, システムの意思決定過程をよりよく理解するために, 相関が低く, 高い情報的特徴を選択できる特徴選択手法を提案する。 ディープ・ラーニング・ソリューションでは,最先端の自己着脱モデルを用いて,疲労評価のための一貫性自己着脱(csa)機構を考案した。 広範な実験が行われ、非常に有望な結果が得られた。

関連論文リスト

• Interpretable Video based Stress Detection with Self-Refine Chain-of-thought Reasoning [4.541582055558865]
  本稿では,ビデオベースストレス検出のための新しい解釈可能なアプローチを提案する。 本手法は,ストレスレベルを示すビデオシーケンスから微妙な行動・生理的手がかりを抽出することに焦点を当てる。 我々は、従来のビデオベースストレス検出法と比較して、その優れた性能を示すために、いくつかのパブリックおよびプライベートなデータセットに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2024-10-12T09:06:09Z)
• Affective State Detection using fNIRs and Machine Learning [0.0]
  そこで本研究では,9つの被験者を対象とする実験を行い,想い,娯楽,認知負荷の情緒的状態について考察した。 その結果,認知負荷の予測精度は,他の2つのクラスよりも高かった。
  論文  参考訳（メタデータ） (2024-02-28T11:12:47Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
  時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである* Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。 Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
  論文  参考訳（メタデータ） (2023-10-28T12:08:03Z)
• Towards Mitigating Hallucination in Large Language Models via Self-Reflection [63.2543947174318]
  大規模言語モデル(LLM)は、質問応答(QA)タスクを含む生成的および知識集約的なタスクを約束している。 本稿では,広範に採用されているLCMとデータセットを用いた医療再生QAシステムにおける幻覚現象を解析する。
  論文  参考訳（メタデータ） (2023-10-10T03:05:44Z)
• EEG-based Cognitive Load Classification using Feature Masked Autoencoding and Emotion Transfer Learning [13.404503606887715]
  脳波(EEG)を用いた認知負荷の新しい分類法を提案する。 感情関連脳波データセットの自己教師付きマスクによる自動エンコーディングを用いて、我々のモデルを事前学習する。 実験の結果,提案手法は従来の単段階完全教師付き学習よりも優れた結果が得られることがわかった。
  論文  参考訳（メタデータ） (2023-08-01T02:59:19Z)
• Classification of Stress via Ambulatory ECG and GSR Data [0.0]
  本研究は, 自己申告されたストレスアノテーションを用いた実験室で記録された生理的データを用いて, ストレスを検出するためのいくつかのアプローチを実験的に評価する。 最適応力検出法は90.77%の分類精度、91.24 F1-サブミッション、90.42感度、91.08特異性を達成する。
  論文  参考訳（メタデータ） (2022-07-19T15:57:14Z)
• An optimized hybrid solution for IoT based lifestyle disease classification using stress data [2.3909933791900326]
  提案手法は、被験者の心電図(ECG)、ガルバニック皮膚値(GSV)、HRV値、体の動きを測定するテストを用いている。 開発したアプローチは、WASADデータセットを使用して、クラス不均衡問題に対処することができる。
  論文  参考訳（メタデータ） (2022-04-04T05:52:48Z)
• The Medkit-Learn(ing) Environment: Medical Decision Modelling through Simulation [81.72197368690031]
  医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。 Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
  論文  参考訳（メタデータ） (2021-06-08T10:38:09Z)
• Opportunities of a Machine Learning-based Decision Support System for Stroke Rehabilitation Assessment [64.52563354823711]
  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。
  論文  参考訳（メタデータ） (2020-02-27T17:04:07Z)
• EEG-based Drowsiness Estimation for Driving Safety using Deep Q-Learning [46.3327842128563]
  本研究では、深部Q-ラーニングを用いて、模擬耐久運転テスト中に得られた脳波データセットを分析することを提案する。 運転テストにおける用語を強化学習フレームワークに適合させ,Q-ラーニングタスクの最適化として眠気推定問題を定式化する。 その結果、トレーニングされたモデルでは、脳波データに対して十分な方法で精神状態の変動を追跡できることがわかった。
  論文  参考訳（メタデータ） (2020-01-08T07:10:03Z)

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。