論文の概要: Automated Fidelity Assessment for Strategy Training in Inpatient
Rehabilitation using Natural Language Processing
- arxiv url: http://arxiv.org/abs/2209.06727v1
- Date: Wed, 14 Sep 2022 15:33:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-15 13:20:20.404802
- Title: Automated Fidelity Assessment for Strategy Training in Inpatient
Rehabilitation using Natural Language Processing
- Title(参考訳): 自然言語処理を用いた入院リハビリテーションにおける戦略訓練のための自動忠実度評価
- Authors: Hunter Osterhoudt, Courtney E. Schneider, Haneef A Mohammad, Minmei
Shih, Alexandra E. Harper, Leming Zhou, Elizabeth R Skidmore, Yanshan Wang
- Abstract要約: 戦略トレーニング (Strategy Training) とは、脳卒中後の認知障害患者に障害を減らすためのスキルを教える、リハビリテーションのアプローチである。
標準化された忠実度評価は治療原則の遵守度を測定するために用いられる。
本研究では,ルールベースNLPアルゴリズム,長短項メモリ(LSTM)モデル,および変換器(BERT)モデルからの双方向エンコーダ表現を開発した。
- 参考スコア(独自算出の注目度): 53.096237570992294
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Strategy training is a multidisciplinary rehabilitation approach that teaches
skills to reduce disability among those with cognitive impairments following a
stroke. Strategy training has been shown in randomized, controlled clinical
trials to be a more feasible and efficacious intervention for promoting
independence than traditional rehabilitation approaches. A standardized
fidelity assessment is used to measure adherence to treatment principles by
examining guided and directed verbal cues in video recordings of rehabilitation
sessions. Although the fidelity assessment for detecting guided and directed
verbal cues is valid and feasible for single-site studies, it can become labor
intensive, time consuming, and expensive in large, multi-site pragmatic trials.
To address this challenge to widespread strategy training implementation, we
leveraged natural language processing (NLP) techniques to automate the strategy
training fidelity assessment, i.e., to automatically identify guided and
directed verbal cues from video recordings of rehabilitation sessions. We
developed a rule-based NLP algorithm, a long-short term memory (LSTM) model,
and a bidirectional encoder representation from transformers (BERT) model for
this task. The best performance was achieved by the BERT model with a 0.8075
F1-score. The findings from this study hold widespread promise in psychology
and rehabilitation intervention research and practice.
- Abstract(参考訳): 戦略トレーニング (Strategy Training) とは、脳卒中後の認知障害患者に障害を減らすスキルを教える多分野リハビリテーションのアプローチである。
戦略訓練は、ランダム化された制御された臨床試験において、従来のリハビリテーションアプローチよりも独立性を促進するための、より実現可能で効果的な介入であることが示されている。
標準化された忠実度評価は、リハビリテーションセッションのビデオ記録における指導的および指示的手掛かりを調べることによって、治療原則の遵守度を測定するために使用される。
指導的および指示的言語的手がかりを検出するための忠実度評価は, 単一サイト研究において有効であり, 有効であるが, 大規模多地点実用試験では, 労働集約的, 時間消費的, 高価になる可能性がある。
この課題を広範に実施するために,我々は自然言語処理(nlp)技術を活用して,戦略訓練の忠実度評価,すなわちリハビリテーションセッションのビデオ記録から指導と指示の手がかりを自動的に識別する手法を開発した。
本研究では,ルールベースNLPアルゴリズム,長短項メモリ(LSTM)モデル,および変換器(BERT)モデルからの双方向エンコーダ表現を開発した。
最高の性能は bert モデルで 0.8075 f1-score で達成された。
本研究の成果は心理学およびリハビリテーション介入研究および実践において広く期待されている。
関連論文リスト
- Rehabilitation Exercise Quality Assessment through Supervised
Contrastive Learning with Hard and Soft Negatives [2.4343669357792708]
運動ベースのリハビリテーションプログラムは、生活の質を高め、死亡率と再入院率を減らすのに有効であることが証明されている。
これらのプログラムは一般的に様々なエクササイズタイプを規定しており、リハビリテーションエクササイズアセスメントデータセットにおいて明確な課題となっている。
本稿では,全データセットを効果的に活用し,すべてのエクササイズタイプに適用可能な単一モデルをトレーニングする,ハードかつソフトな負のサンプルを用いた教師付きコントラスト学習フレームワークを提案する。
論文 参考訳(メタデータ) (2024-03-05T08:38:25Z) - Automated Scoring of Clinical Patient Notes using Advanced NLP and
Pseudo Labeling [2.711804338865226]
本研究では,最先端自然言語処理(NLP)技術を活用したアプローチを提案する。
提案手法は効率と有効性を向上し,性能を損なうことなくトレーニング時間を著しく短縮する。
論文 参考訳(メタデータ) (2024-01-18T05:17:18Z) - 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) - Extracting Physical Rehabilitation Exercise Information from Clinical
Notes: a Comparison of Rule-Based and Machine Learning Natural Language
Processing Techniques [3.3196041272277306]
本稿では,脳卒中患者に対するアノテート処置のためのルールベース自然言語処理アルゴリズムを提案する。
個々のエクササイズ記述は、fスコアが0.75未満のバイナリラベルに割り当てられる。
論文 参考訳(メタデータ) (2023-03-22T13:46:16Z) - ReIL: A Framework for Reinforced Intervention-based Imitation Learning [3.0846824529023387]
Reinforced Intervention-based Learning (ReIL) は、一般的な介入に基づく学習アルゴリズムとマルチタスク模倣学習モデルからなるフレームワークである。
実世界の移動ロボットナビゲーションの課題による実験結果から、ReILは性能の劣化に悩まされることなく、緩やかな監督補正から素早く学習できることが示唆された。
論文 参考訳(メタデータ) (2022-03-29T09:30:26Z) - Autonomous Reinforcement Learning: Formalism and Benchmarking [106.25788536376007]
人間や動物が行うような現実世界の具体的学習は、連続的で非エポゾディックな世界にある。
RLの一般的なベンチマークタスクはエピソジックであり、試行錯誤によってエージェントに複数の試行を行う環境がリセットされる。
この相違は、擬似環境向けに開発されたRLアルゴリズムを現実世界のプラットフォーム上で実行しようとする場合、大きな課題となる。
論文 参考訳(メタデータ) (2021-12-17T16:28:06Z) - Personalized Rehabilitation Robotics based on Online Learning Control [62.6606062732021]
本稿では,各ユーザに対して実行時の制御力をパーソナライズ可能な,新しいオンライン学習制御アーキテクチャを提案する。
提案手法を,学習コントローラがパーソナライズされた制御を提供するとともに,安全な相互作用力も得られる実験ユーザスタディで評価した。
論文 参考訳(メタデータ) (2021-10-01T15:28:44Z) - Persistent Reinforcement Learning via Subgoal Curricula [114.83989499740193]
VaPRL(Value-accelerated Persistent Reinforcement Learning)は、初期状態のカリキュラムを生成する。
VaPRLは、エピソード強化学習と比較して、3桁の精度で必要な介入を減らす。
論文 参考訳(メタデータ) (2021-07-27T16:39:45Z) - A Review of Computational Approaches for Evaluation of Rehabilitation
Exercises [58.720142291102135]
本稿では,モーションキャプチャシステムを用いたリハビリテーションプログラムにおける患者のパフォーマンスを評価するための計算手法についてレビューする。
エクササイズ評価のための再検討された計算手法は, 離散的な運動スコア, ルールベース, テンプレートベースアプローチの3つのカテゴリに分類される。
論文 参考訳(メタデータ) (2020-02-29T22:18:56Z)
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。