論文の概要: A health telemonitoring platform based on data integration from different sources

• arxiv url: http://arxiv.org/abs/2207.13913v1
• Date: Thu, 28 Jul 2022 07:13:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-29 12:58:43.936022
• Title: A health telemonitoring platform based on data integration from different sources
• Title（参考訳）: 異なる情報源からのデータ統合に基づく健康遠隔監視プラットフォーム
• Authors: Gianluigi Ciocca, Paolo Napoletano, Matteo Romanato, Raimondo Schettini
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 20.878143912804983
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The management of people with long-term or chronic illness is one of the biggest challenges for national health systems. In fact, these diseases are among the leading causes of hospitalization, especially for the elderly, and huge amount of resources required to monitor them leads to problems with sustainability of the healthcare systems. The increasing diffusion of portable devices and new connectivity technologies allows the implementation of telemonitoring system capable of providing support to health care providers and lighten the burden on hospitals and clinics. In this paper, we present the implementation of a telemonitoring platform for healthcare, designed to capture several types of physiological health parameters from different consumer mobile and custom devices. Consumer medical devices can be integrated into the platform via the Google Fit ecosystem that supports hundreds of devices, while custom devices can directly interact with the platform with standard communication protocols. The platform is designed to process the acquired data using machine learning algorithms, and to provide patients and physicians the physiological health parameters with a user-friendly, comprehensive, and easy to understand dashboard which monitors the parameters through time. Preliminary usability tests show a good user satisfaction in terms of functionality and usefulness.
• Abstract（参考訳）: 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。 実際、これらの病気は、特に高齢者が入院する主な原因の1つであり、それを監視するのに必要な膨大なリソースが医療システムの持続性に問題を引き起こす。 携帯機器の普及と新たな接続技術により、医療提供者に支援を提供し、病院や診療所の負担を軽減できる遠隔監視システムの実装が可能になる。 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,モバイル機器やカスタム機器のさまざまな種類の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。 消費者向け医療機器は、何百ものデバイスをサポートするGoogle Fitエコシステムを介してプラットフォームに統合でき、カスタムデバイスは標準の通信プロトコルでプラットフォームと直接対話することができる。 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するように設計されている。 予備的なユーザビリティテストは、機能性と有用性の観点から、優れたユーザ満足度を示す。

関連論文リスト

• OmniBuds: A Sensory Earable Platform for Advanced Bio-Sensing and On-Device Machine Learning [46.3331254985615]
  感覚ウェアラブルは、基本的なオーディオ拡張デバイスから、臨床レベルの健康モニタリングと健康管理のための高度なプラットフォームへと進化してきた。 本稿では,複数のバイオセンサと,機械学習アクセラレーションによって駆動される車載計算を統合した,先進的な知覚可能プラットフォームであるOmniBudsを紹介する。
  論文  参考訳（メタデータ） (2024-10-07T06:30:59Z)
• 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)
• Towards Privacy-Aware and Personalised Assistive Robots: A User-Centred Approach [55.5769013369398]
  この研究は、フェデレートラーニング(FL)のようなユーザー中心のプライバシーに配慮した技術のパイオニアである。 FLは機密データを共有せずに協調学習を可能にし、プライバシとスケーラビリティの問題に対処する。 この作業には、スマート車椅子アシストのためのソリューションの開発、ユーザの独立性の向上、幸福感の向上が含まれる。
  論文  参考訳（メタデータ） (2024-05-23T13:14:08Z)
• Disease Insight through Digital Biomarkers Developed by Remotely Collected Wearables and Smartphone Data [3.9411499615751113]
  RADAR-baseは、ConfluentのApache Kafkaを中心に構築された、現代的なリモートデータ収集プラットフォームである。 研究設計とセットアップ、アクティブ(例えばPROM)、パッシブ(電話センサー、ウェアラブルデバイス、IoT)リモートデータ収集機能のサポートを提供する。 このプラットフォームは、多発性硬化症、うつ病、てんかん、ADHD、アルツハイマー、自閉症、肺疾患を含む多くの疾患領域において、様々なコホートに対する経時的データ収集に成功した。
  論文  参考訳（メタデータ） (2023-08-03T22:44:48Z)
• The Design and Implementation of a National AI Platform for Public Healthcare in Italy: Implications for Semantics and Interoperability [62.997667081978825]
  イタリア国立衛生局は、その技術機関を通じて人工知能を採用している。 このような広大なプログラムには、知識領域の形式化に特別な注意が必要である。 AIが患者、開業医、健康システムに与える影響について疑問が投げかけられている。
  論文  参考訳（メタデータ） (2023-04-24T08:00:02Z)
• HEAR4Health: A blueprint for making computer audition a staple of modern healthcare [89.8799665638295]
  近年、従来の医療システムを変革する試みとして、デジタル医療の研究が急速に増加している。 コンピュータによるオーディションは、少なくとも商業的関心の面では遅れている。 実生活における聴覚信号の分析に必要な基礎技術に対応する聴覚、計算とデータ効率の進歩、個々の差異を考慮し、医療データの長手性を扱う聴覚。
  論文  参考訳（メタデータ） (2023-01-25T09:25:08Z)
• Towards Responsible Medical Diagnostics Recommendation Systems [2.728575246952532]
  医療現場における責任あるレコメンデーションシステムの設計について概説する。 我々は、説明責任、安全性、公正性に特に焦点をあてて、潜在的な設計選択と基準について議論する。
  論文  参考訳（メタデータ） (2022-09-08T12:13:28Z)
• 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)
• Using a Personal Health Library-Enabled mHealth Recommender System for Self-Management of Diabetes Among Underserved Populations: Use Case for Knowledge Graphs and Linked Data [0.11470070927586014]
  本稿では、患者PHLに蓄積されたデジタルヘルスデータとコンテキスト知識の他のソースの両方を組み込んだモバイルヘルスデジタル介入の実施を報告する。 我々は、phlに格納されている知識のタイプの構築、管理、統合に使用される技術基盤について述べる。 提案するphlは、患者とその介護者が健康に関する意思決定において中心的な役割を果たすのに役立つ。
  論文  参考訳（メタデータ） (2021-03-16T20:43:17Z)
• Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
  ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。 多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
  論文  参考訳（メタデータ） (2020-09-21T03:45:14Z)

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。