Fugu-MT 論文翻訳(概要): Identifying differences in physical activity and autonomic function patterns between psychotic patients and controls over a long period of continuous monitoring using wearable sensors

論文の概要: Identifying differences in physical activity and autonomic function patterns between psychotic patients and controls over a long period of continuous monitoring using wearable sensors

arxiv url: http://arxiv.org/abs/2011.02285v1
Date: Fri, 30 Oct 2020 03:44:29 GMT
ステータス: 処理完了
システム内更新日: 2023-04-26 07:32:20.936573
Title: Identifying differences in physical activity and autonomic function patterns between psychotic patients and controls over a long period of continuous monitoring using wearable sensors
Title（参考訳）: ウェアラブルセンサを用いた長期連続モニタリングにおける精神病患者とコントロール者の身体活動と自律神経機能パターンの差異の同定
Authors: Panagiotis P. Filntisis, Athanasia Zlatintsi, Niki Efthymiou, Emmanouil Kalisperakis, Thomas Karantinos, Marina Lazaridi, Nikolaos Smyrnis, Petros Maragos
Abstract要約: 本研究では,精神疾患患者および健常者を対象とした長期モニタリングにおいて,ウェアラブルデータから抽出した短期的特徴の厳密な統計分析を行った。そこで本研究では,2つのグループ間で大きく変動する特徴を同定し,これらを識別するいくつかの要因について考察した。
参考スコア（独自算出の注目度）: 27.11846060805727
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Digital phenotyping is a nascent multidisciplinary field that has the potential to revolutionize psychiatry and its clinical practice. In this paper, we present a rigorous statistical analysis of short-time features extracted from wearable data, during long-term continuous monitoring of patients with psychotic disorders and healthy control counterparts. Our novel analysis identifies features that fluctuate significantly between the two groups, and offers insights on several factors that differentiate them, which could be leveraged in the future for relapse prevention and individualized assistance.
Abstract（参考訳）: デジタル表現型(digital phenotyping)は、精神医学とその臨床実践に革命をもたらす可能性を持つ、生まれたばかりの多分野の分野である。本稿では,ウェアラブルデータから抽出した短期的特徴の厳密な統計分析を行い,精神疾患患者と健康管理者に対する長期連続モニタリングを行った。この新しい分析により,両群間で著しく変動する特徴を特定し,それらの特徴を区別するいくつかの要因について考察し,今後の再発防止や個別支援に活用できる可能性が示唆された。

関連論文リスト

A State-of-the-Art Review of Computational Models for Analyzing Longitudinal Wearable Sensor Data in Healthcare [1.7872597573698263]
長期追跡は、数ヶ月のタイムスケールで定義されており、健康変化の指標としてパターンや変化の洞察を与えることができる。これらの知見は、医療と医療をより予測し、予防し、パーソナライズし、参加しやすくする(The 4P's)。
論文参考訳（メタデータ） (2024-07-31T15:08:15Z)
Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文参考訳（メタデータ） (2024-07-28T02:42:36Z)
Semi-Supervised Generative Models for Disease Trajectories: A Case Study on Systemic Sclerosis [0.04057716989497714]
複雑な疾患の軌跡をモデル化し, 全体解析するために, 潜時過程を用いた深部生成手法を提案する。全身性硬化症の特徴の医学的定義と生成的アプローチを組み合わせることで,新たな疾患の発見が容易になる。本研究は, SSc患者軌跡を新たなサブタイプに分類するなど, さらにデータ分析や臨床仮説の検証に, 学習時潜伏過程を活用できることを示唆する。
論文参考訳（メタデータ） (2024-07-16T06:45:27Z)
TC-LIF: A Two-Compartment Spiking Neuron Model for Long-Term Sequential Modelling [54.97005925277638]
潜在的な可能性や危険に関連する感覚的手がかりの同定は、長期間の遅延によって有用な手がかりを分離する無関係な事象によってしばしば複雑になる。 SNN(State-of-the-art spiking Neural Network)は、遠方のキュー間の長期的な時間的依存関係を確立する上で、依然として困難な課題である。そこで本研究では,T-LIFとよばれる,生物学的にインスパイアされたTwo-compartment Leaky Integrate- and-Fireのスパイキングニューロンモデルを提案する。
論文参考訳（メタデータ） (2023-08-25T08:54:41Z)
Contrastive Learning of Temporal Distinctiveness for Survival Analysis in Electronic Health Records [10.192973297290136]
本稿では,オントロジーを意識したテンポラリティに基づくコントラシブ・サバイバル(OTCSurv)分析フレームワークを提案する。 OTCSurvは、検閲されたデータと観察されたデータの両方から生存期間を使い、時間的特異性を定義する。急性腎障害(AKI)を発症する危険のある入院患者のリスクを予測するために,大規模なEHRデータセットを用いて実験を行った。
論文参考訳（メタデータ） (2023-08-24T22:36:22Z)
T-Phenotype: Discovering Phenotypes of Predictive Temporal Patterns in Disease Progression [82.85825388788567]
我々は、ラベル付き時系列データから予測時相パターンの表現型を発見するために、新しい時間的クラスタリング手法T-Phenotypeを開発した。 T-フェノタイプは, 評価ベースラインのすべてに対して, 最良の表現型発見性能を示す。
論文参考訳（メタデータ） (2023-02-24T13:30:35Z)
Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
論文参考訳（メタデータ） (2021-10-19T11:45:01Z)
Multimodal Gait Recognition for Neurodegenerative Diseases [38.06704951209703]
3つの神経変性疾患の歩容差を学習するための新しいハイブリッドモデルを提案する。新しい相関メモリニューラルネットワークアーキテクチャは、時間的特徴を抽出するために設計されている。いくつかの最先端技術と比較して,提案手法はより正確な分類結果を示す。
論文参考訳（メタデータ） (2021-01-07T10:17:11Z)
Deep Recurrent Model for Individualized Prediction of Alzheimer's Disease Progression [4.034948808542701]
アルツハイマー病(Alzheimer's disease, AD)は認知症の主要な原因の一つであり、数年間の進行が遅いことが特徴である。本稿では,MRIバイオマーカーの表現型測定と臨床状態の軌跡を予測できる新しい計算フレームワークを提案する。
論文参考訳（メタデータ） (2020-05-06T08:08:00Z)
Estimating Counterfactual Treatment Outcomes over Time Through Adversarially Balanced Representations [114.16762407465427]
時間とともに治療効果を推定するためにCRN(Counterfactual Recurrent Network)を導入する。 CRNは、患者履歴のバランスの取れた表現を構築するために、ドメイン敵のトレーニングを使用する。本モデルでは, 正解率の予測と適切な治療時期の選択において, 誤差の低減を図っている。
論文参考訳（メタデータ） (2020-02-10T20:47:36Z)
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。