論文の概要: Exploratory Hidden Markov Factor Models for Longitudinal Mobile Health
Data: Application to Adverse Posttraumatic Neuropsychiatric Sequelae
- arxiv url: http://arxiv.org/abs/2202.12819v1
- Date: Fri, 25 Feb 2022 16:53:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-28 16:16:31.261030
- Title: Exploratory Hidden Markov Factor Models for Longitudinal Mobile Health
Data: Application to Adverse Posttraumatic Neuropsychiatric Sequelae
- Title（参考訳）: 長期移動健康データに対する探索的隠れマルコフ因子モデル : 逆性外傷性神経精神科領域への応用
- Authors: Lin Ge, Xinming An, Donglin Zeng, Samuel McLean, Ronald Kessler, and
Rui Song
- Abstract要約: 外傷性後神経精神障害の後遺症(APNS)は、外傷性出来事の後、退役軍人や何百万人ものアメリカ人の間で一般的である。
この研究は、RecyOver afteR traumA (AURORA) 研究から収集された客観的モバイルデバイスデータによって動機付けられている。
本研究では,個別時間および連続時間探索型隠れマルコフ因子モデルを構築し,個人の心理的条件をモデル化する。
- 参考スコア（独自算出の注目度）: 6.0431675579125415
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Adverse posttraumatic neuropsychiatric sequelae (APNS) are common among
veterans and millions of Americans after traumatic events and cause tremendous
burdens for trauma survivors and society. Many studies have been conducted to
investigate the challenges in diagnosing and treating APNS symptoms. However,
progress has been limited by the subjective nature of traditional measures.
This study is motivated by the objective mobile device data collected from the
Advancing Understanding of RecOvery afteR traumA (AURORA) study. We develop
both discrete-time and continuous-time exploratory hidden Markov factor models
to model the dynamic psychological conditions of individuals with either
regular or irregular measurements. The proposed models extend the conventional
hidden Markov models to allow high-dimensional data and feature-based
nonhomogeneous transition probability between hidden psychological states. To
find the maximum likelihood estimates, we develop a Stabilized
Expectation-Maximization algorithm with Initialization Strategies (SEMIS).
Simulation studies with synthetic data are carried out to assess the
performance of parameter estimation and model selection. Finally, an
application to the AURORA data is conducted, which captures the relationships
between heart rate variability, activity, and APNS consistent with existing
literature.
- Abstract（参考訳）: 外傷後神経精神科後遺症(apns)は、外傷後、退役軍人や数百万人のアメリカ人に共通し、トラウマの生存者や社会に多大な負担をもたらす。
APNSの症状の診断と治療の課題について多くの研究がなされている。
しかし、従来の手段の主観的な性質によって進歩は制限されている。
本研究は,AURORA(Advancing Understanding of RecOvery afteR traumA)研究から収集したモバイル端末データに動機づけられた。
離散時間および連続時間探索的隠れマルコフ因子モデルを開発し、規則的または不規則な測定値を持つ個人の動的心理的条件をモデル化する。
提案モデルは従来の隠れマルコフモデルを拡張し,高次元データと隠れマルコフ状態間の特徴に基づく不均質な遷移確率を可能にする。
最大推定値を求めるため,初期化戦略(SEMIS)を用いた安定化期待最大化アルゴリズムを開発した。
パラメータ推定とモデル選択の性能を評価するために合成データを用いたシミュレーション研究を行った。
最後に、AURORAデータに対する適用を行い、既存の文献と整合した心拍変動、活動、APNSの関係をキャプチャする。
関連論文リスト
- Discovering robust biomarkers of neurological disorders from functional MRI using graph neural networks: A Review [4.799269666410891]
本稿では、障害予測タスクのためのfMRIデータセットに対して、GNNとモデル説明可能性技術がどのように適用されてきたかを概説する。
その結果、ほとんどの研究にはパフォーマンスモデルがあるが、これらの研究で強調された健全な特徴は、同じ障害の研究によって大きく異なることが判明した。
これらのバイオマーカーのロバスト性を決定するために,客観的評価指標に基づく新しい標準を確立することを提案する。
論文 参考訳（メタデータ） (2024-05-01T15:29:55Z) - Recent Advances in Predictive Modeling with Electronic Health Records [71.19967863320647]
EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。
深層学習は、医療を含む様々な応用においてその優位性を示している。
論文 参考訳（メタデータ） (2024-02-02T00:31:01Z) - MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data
Augmentation [58.93221876843639]
本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。
トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。
ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
論文 参考訳（メタデータ） (2023-10-04T01:36:30Z) - Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。
臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。
我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文 参考訳（メタデータ） (2023-07-26T02:34:57Z) - Explainable AI and Machine Learning Towards Human Gait Deterioration
Analysis [0.0]
歩行データを客観的に分析し,臨床関連バイオマーカーと所見を関連づける。
physioNet.orgデータセット毎の98% F1 sc の分類精度と、組み合わせたphysioNetデータセットの95.5% F1スコアを達成する。
論文 参考訳（メタデータ） (2023-06-12T14:53:00Z) - Deep Learning-based Fall Detection Algorithm Using Ensemble Model of
Coarse-fine CNN and GRU Networks [7.624051346741515]
本研究では,大小の畳み込みニューラルネットワークとゲートリカレントユニットを組み合わせたアンサンブルモデルを提案する。
提案したモデルは、それぞれ92.54%、96.13%、94.26%のリコール、精度、Fスコアを達成する。
論文 参考訳（メタデータ） (2023-04-13T08:30:46Z) - Remote Medication Status Prediction for Individuals with Parkinson's
Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。
提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文 参考訳（メタデータ） (2022-07-26T02:08:08Z) - ACRE: Abstract Causal REasoning Beyond Covariation [90.99059920286484]
因果誘導における現在の視覚システムの系統的評価のための抽象因果分析データセットについて紹介する。
Blicket実験における因果発見の研究の流れに触発され、独立シナリオと介入シナリオのいずれにおいても、以下の4種類の質問で視覚的推論システムに問い合わせる。
純粋なニューラルモデルは確率レベルのパフォーマンスの下で連想戦略に向かう傾向があるのに対し、ニューロシンボリックな組み合わせは後方ブロッキングの推論に苦しむ。
論文 参考訳（メタデータ） (2021-03-26T02:42:38Z) - Handling Non-ignorably Missing Features in Electronic Health Records
Data Using Importance-Weighted Autoencoders [8.518166245293703]
本稿では,生体データのランダムなパターンではなく,欠落を柔軟に扱うために,重要度重み付きオートエンコーダ(iwaes)と呼ばれるvaesの新たな拡張を提案する。
提案手法は,組み込みニューラルネットワークを用いて欠落機構をモデル化し,欠落機構の正確な形式を事前に指定する必要をなくした。
論文 参考訳（メタデータ） (2021-01-18T22:53:29Z) - Predicting Parkinson's Disease with Multimodal Irregularly Collected
Longitudinal Smartphone Data [75.23250968928578]
パーキンソン病は神経疾患であり、高齢者に多い。
伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。
そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2020-09-25T01:50:15Z) - 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)
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。