論文の概要: Certainty Modeling of a Decision Support System for Mobile Monitoring of
Exercise induced Respiratory Conditions
- arxiv url: http://arxiv.org/abs/2110.07898v1
- Date: Fri, 15 Oct 2021 07:26:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-18 15:23:17.382147
- Title: Certainty Modeling of a Decision Support System for Mobile Monitoring of
Exercise induced Respiratory Conditions
- Title（参考訳）: 運動誘発呼吸状態の移動モニタリングのための意思決定支援システムの確実性モデリング
- Authors: Chinazunwa Uwaoma and Gunjan. Mansingh
- Abstract要約: 目的は、患者の状態管理を支援するモバイルツールを開発することである。
提案するモデルアーキテクチャについて述べるとともに,臨床現場での応用シナリオについて述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Mobile health systems in recent times, have notably improved the healthcare
sector by empowering patients to actively participate in their health, and by
facilitating access to healthcare professionals. Effective operation of these
mobile systems nonetheless, requires high level of intelligence and expertise
implemented in the form of decision support systems (DSS). However, common
challenges in the implementation include generalization and reliability, due to
the dynamics and incompleteness of information presented to the inference
models. In this paper, we advance the use of ad hoc mobile decision support
system to monitor and detect triggers and early symptoms of respiratory
distress provoked by strenuous physical exertion. The focus is on the
application of certainty theory to model inexact reasoning by the mobile
monitoring system. The aim is to develop a mobile tool to assist patients in
managing their conditions, and to provide objective clinical data to aid
physicians in the screening, diagnosis, and treatment of the respiratory
ailments. We present the proposed model architecture and then describe an
application scenario in a clinical setting. We also show implementation of an
aspect of the system that enables patients in the self-management of their
conditions.
- Abstract（参考訳）: 近年のモバイル医療システムでは、患者が健康に積極的に参加できるようにし、医療専門家へのアクセスを促進することで、医療分野を著しく改善している。
にもかかわらず、これらのモバイルシステムの効果的な運用には、意思決定支援システム(DSS)の形で実装された高度な知性と専門知識が必要である。
しかしながら、実装における一般的な課題は、推論モデルに提示される情報のダイナミクスと不完全性のため、一般化と信頼性である。
本稿では,重度の身体運動によって引き起こされる呼吸障害の早期症状を監視・検出するために,アドホック移動型意思決定支援システムの利用を推進した。
焦点は、モバイル監視システムによる不正確な推論をモデル化するための確実性理論の適用である。
本研究の目的は,患者の症状管理を支援するモバイルツールの開発と,呼吸器疾患のスクリーニング,診断,治療を行う医師を支援する客観的な臨床データの提供である。
提案するモデルアーキテクチャについて述べるとともに,臨床現場での応用シナリオについて述べる。
また,患者の自己管理を可能にするシステムの実装についても紹介する。
関連論文リスト
- Beyond One-Time Validation: A Framework for Adaptive Validation of Prognostic and Diagnostic AI-based Medical Devices [55.319842359034546]
既存のアプローチは、これらのデバイスを実際にデプロイする際の複雑さに対処するのに不足することが多い。
提示されたフレームワークは、デプロイメント中に検証と微調整を繰り返すことの重要性を強調している。
現在の米国とEUの規制分野に位置づけられている。
論文 参考訳（メタデータ） (2024-09-07T11:13:52Z) - Harnessing the Digital Revolution: A Comprehensive Review of mHealth Applications for Remote Monitoring in Transforming Healthcare Delivery [1.03590082373586]
このレビューでは、遠隔医療プラットフォーム、慢性疾患管理用のモバイルアプリ、ウェアラブルデバイスなど、リモート監視に使用されるさまざまなタイプのmHealthアプリケーションを強調している。
これらの応用の利点は、患者の成果の改善、医療へのアクセスの向上、医療費の削減、医療格差への対処である。
しかしながら、プライバシやセキュリティ上の懸念、技術的なインフラストラクチャの欠如、規制のイシュー、データの正確性、ユーザの遵守、ディジタルディビジョンといった課題や制限には対処する必要がある。
論文 参考訳（メタデータ） (2024-08-26T11:32:43Z) - 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 Trustworthy Framework for Medical Image Analysis with Deep Learning [71.48204494889505]
TRUDLMIAは医用画像解析のための信頼できるディープラーニングフレームワークである。
新型コロナウイルス(COVID-19)などの公衆衛生危機への対応に深層学習の活用を推進していくため、研究者や臨床医を支援することが期待されている。
論文 参考訳（メタデータ） (2022-12-06T05:30:22Z) - A health telemonitoring platform based on data integration from
different sources [20.878143912804983]
長期または慢性疾患の人々の管理は、国家の健康システムにとって最大の課題の1つである。
本稿では,医療用遠隔監視プラットフォームの実装について紹介する。このプラットフォームは,様々な消費者モバイルおよびカスタムデバイスから,さまざまな生理的健康パラメータをキャプチャするように設計されている。
このプラットフォームは、機械学習アルゴリズムを使って取得したデータを処理し、患者や医師に生理的健康パラメーターをユーザーフレンドリで総合的で理解しやすいダッシュボードで提供し、時間を通してパラメータを監視するように設計されている。
論文 参考訳（メタデータ） (2022-07-28T07:13:04Z) - Building a Decision Support System for Automated Mobile Asthma
Monitoring in Remote Areas [0.0]
本稿では,運動によって引き起こされた喘息の早期症状を捉え解析するために,内蔵センサを搭載したスマートフォンを用いた。
予備的な結果は、スマートフォンが他のネットワークデバイスを使わずに喘息症状をモニターし、検出することができることを示している。
論文 参考訳（メタデータ） (2021-12-11T14:18:08Z) - MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence
using Federated Evaluation [110.31526448744096]
この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。
MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
論文 参考訳（メタデータ） (2021-09-29T18:09:41Z) - MHealth: An Artificial Intelligence Oriented Mobile Application for
Personal Healthcare Support [0.0]
本研究の目的は、人工知能をサポートする専門的なシステムベースのmHealthアプリケーションを導入することである。
この研究により、人工知能をサポートし、日常生活における一般的な健康問題に対する動的サポートを提供するモバイルソフトウェアシステムが設計された。
論文 参考訳（メタデータ） (2021-08-18T17:33:17Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳（メタデータ） (2021-02-08T10:26:44Z) - Privacy-preserving medical image analysis [53.4844489668116]
医用画像におけるプライバシ保護機械学習(PPML)のためのソフトウェアフレームワークであるPriMIAを提案する。
集合型学習モデルの分類性能は,未発見データセットの人間専門家と比較して有意に良好である。
グラデーションベースのモデル反転攻撃に対するフレームワークのセキュリティを実証的に評価する。
論文 参考訳（メタデータ） (2020-12-10T13:56:00Z) - Decision Support for Video-based Detection of Flu Symptoms [3.0255457622022486]
本稿では,機械学習モデルの結果を認知的意思決定支援システムの証拠として活用する能力について論じる。
本稿では,機械学習と機械学習を橋渡しする指標として,リスクと信頼の尺度を提案する。
論文 参考訳（メタデータ） (2020-08-24T16:16:38Z)
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。