論文の概要: Leveraging Activity Recognition to Enable Protective Behavior Detection
in Continuous Data
- arxiv url: http://arxiv.org/abs/2011.01776v4
- Date: Tue, 2 Feb 2021 14:23:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 05:37:52.337981
- Title: Leveraging Activity Recognition to Enable Protective Behavior Detection
in Continuous Data
- Title(参考訳): 連続データにおける活動認識を利用した保護行動検出
- Authors: Chongyang Wang, Yuan Gao, Akhil Mathur, Amanda C. De C. Williams,
Nicholas D. Lane, Nadia Bianchi-Berthouze
- Abstract要約: 我々は,ヒト活動認識(HAR)と保護行動検出(PBD)を統合することを提案する。
本稿では,HAR,GC-LSTMネットワーク,CFCC損失の活用により,ベースラインに対するPBD性能が明らかに向上することを示す。
- 参考スコア(独自算出の注目度): 15.631374167054815
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Protective behavior exhibited by people with chronic pain (CP) during
physical activities is the key to understanding their physical and emotional
states. Existing automatic protective behavior detection (PBD) methods rely on
pre-segmentation of activities predefined by users. However, in real life,
people perform activities casually. Therefore, where those activities present
difficulties for people with chronic pain, technology-enabled support should be
delivered continuously and automatically adapted to activity type and
occurrence of protective behavior. Hence, to facilitate ubiquitous CP
management, it becomes critical to enable accurate PBD over continuous data. In
this paper, we propose to integrate human activity recognition (HAR) with PBD
via a novel hierarchical HAR-PBD architecture comprising graph-convolution and
long short-term memory (GC-LSTM) networks, and alleviate class imbalances using
a class-balanced focal categorical-cross-entropy (CFCC) loss. Through in-depth
evaluation of the approach using a CP patients' dataset, we show that the
leveraging of HAR, GC-LSTM networks, and CFCC loss leads to clear increase in
PBD performance against the baseline (macro F1 score of 0.81 vs. 0.66 and
precision-recall area-under-the-curve (PR-AUC) of 0.60 vs. 0.44). We conclude
by discussing possible use cases of the hierarchical architecture in CP
management and beyond. We also discuss current limitations and ways forward.
- Abstract(参考訳): 身体活動中に慢性的な痛み(CP)を訴える人々の保護行動は、身体的および感情的状態を理解する鍵となる。
既存のpbd(automatic protective behavior detection)メソッドは、ユーザが事前に定義したアクティビティの事前セグメンテーションに依存する。
しかし、実生活では、人々はさりげなく活動する。
したがって、これらの活動が慢性的な痛みを伴う人には困難である場合、技術支援は継続的に提供され、活動タイプや保護行動の発生に自動的に適応すべきである。
したがって、ユビキタスCP管理を容易にするため、連続データ上で正確なPBDを実現することが重要となる。
本稿では、グラフ畳み込みと長寿命メモリ(GC-LSTM)ネットワークを含む新しい階層的HAR-PBDアーキテクチャを用いて、ヒトの活動認識(HAR)とPBDを統合することを提案する。
CP患者データセットを用いたアプローチの詳細な評価により,HAR,GC-LSTMネットワーク,CFCC損失の活用により,ベースラインに対するPBD性能が明らかに向上すること (macro F1 score: 0.81 vs. 0.66, precision-recall Area-under-the-curve (PR-AUC: 0.60 vs. 0.44) が示されている。
我々は、CP管理などにおける階層的アーキテクチャのユースケースについて論じる。
また、現在の制限や方法についても議論する。
関連論文リスト
- Privacy-Preserving Medical Image Classification through Deep Learning
and Matrix Decomposition [0.0]
近年,医学領域において深層学習(DL)ソリューションが広く研究されている。
医療関連データの利用は厳格に規制されており、病院の外部で医療記録を処理するためには、堅牢なデータ保護措置が必要である。
本稿では, 特異値分解(SVD)と主成分分析(PCA)を用いて, DL解析に使用する前に, 医用画像の難読化を行う。
保護されたデータから関連する情報を抽出するDLアルゴリズムの能力は、難読化フレームに基づく血管造影ビュー分類のタスクに基づいて評価される。
論文 参考訳(メタデータ) (2023-08-31T08:21:09Z) - Pruning the Way to Reliable Policies: A Multi-Objective Deep Q-Learning
Approach to Critical Care [68.8204255655161]
我々は、より信頼性の高いクリティカルケアポリシーを得ることができる深いQ-ラーニングアプローチを導入する。
まず、利用可能なすべての報酬に基づいてアクションセットを抽出し、次に、スパース主報酬に基づいて最終モデルを訓練し、制限されたアクションセットで達成する。
論文 参考訳(メタデータ) (2023-06-13T18:02:57Z) - B-Learner: Quasi-Oracle Bounds on Heterogeneous Causal Effects Under
Hidden Confounding [51.74479522965712]
本稿では,B-Learnerと呼ばれるメタラーナーを提案する。
我々は、その推定が有効で、鋭く、効率的であることを証明し、既存の方法よりも一般的な条件下で構成推定器に対して準オーラル特性を持つことを示した。
論文 参考訳(メタデータ) (2023-04-20T18:07:19Z) - Policy Optimization for Personalized Interventions in Behavioral Health [8.69967783513041]
デジタルプラットフォームを通じて提供される行動的健康介入は、健康結果を大幅に改善する可能性がある。
患者に対するパーソナライズされた介入を最適化して長期的効果を最大化する問題について検討した。
この問題に対する新たなアプローチとして,政策イテレーションの一段階を近似したDecompPIを提案する。
論文 参考訳(メタデータ) (2023-03-21T21:42:03Z) - Discovering Behavioral Predispositions in Data to Improve Human Activity
Recognition [1.2961180148172198]
本研究は,患者が特定の行動を示す傾向のある日や週の特定の時間に観察を行うことにより,認識性能を向上させることを提案する。
クラスタ内のすべての時間セグメントは、同じ挙動からなり、従って振舞い前沈着(BPD)を示す。
実験により、時間セグメント当たりのBPDが分かっている場合、活動認識性能が大幅に向上することが実証された。
論文 参考訳(メタデータ) (2022-07-18T10:07:15Z) - Adherence Forecasting for Guided Internet-Delivered Cognitive Behavioral
Therapy: A Minimally Data-Sensitive Approach [59.535699822923]
インターネット提供型心理的治療(IDPT)は、メンタルヘルスのアクセシビリティを向上させるための効果的でスケーラブルな経路であると考えられている。
本研究は,最小限の敏感なログイン/ログアウトデータに依存しながら,自動アドバンス予測を行うディープラーニングアプローチを提案する。
提案されたセルフアテンションネットワークは、治療期間の1/3が経過した時点で、平均的バランスの正確さを70%以上達成した。
論文 参考訳(メタデータ) (2022-01-11T13:55:57Z) - ACP++: Action Co-occurrence Priors for Human-Object Interaction
Detection [102.9428507180728]
ヒューマン・オブジェクト・インタラクション(HOI)検出のタスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。
我々は、人間と物体の相互作用の間に自然の相関関係と反相関が存在することを観察した。
我々は、これらの先行知識を学習し、特に稀なクラスにおいて、より効果的な訓練に活用する手法を提案する。
論文 参考訳(メタデータ) (2021-09-09T06:02:50Z) - COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital
Contact Tracing [68.68882022019272]
COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。
1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
論文 参考訳(メタデータ) (2020-10-30T00:47:01Z) - Identifying trace alternant activity in neonatal EEG using an
inter-burst detection approach [3.2498534294827044]
TAは、新生児期における静睡眠時の脳波の特徴的なパターンである。
本研究では,まずバースト間を検知し,その後バースト間とバースト間の時間マップを処理することにより,TA活性を検出する新しい手法を提案する。
論文 参考訳(メタデータ) (2020-05-12T05:50:10Z) - Adversarial vs behavioural-based defensive AI with joint, continual and
active learning: automated evaluation of robustness to deception, poisoning
and concept drift [62.997667081978825]
人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。
本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
論文 参考訳(メタデータ) (2020-01-13T13:54:36Z)
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。