論文の概要: Using Entropy Measures for Monitoring the Evolution of Activity Patterns

• arxiv url: http://arxiv.org/abs/2210.01736v1
• Date: Tue, 4 Oct 2022 16:54:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 15:45:26.583648
• Title: Using Entropy Measures for Monitoring the Evolution of Activity Patterns
• Title（参考訳）: エントロピー計測を用いた活動パターンの進化モニタリング
• Authors: Yushan Huang, Yuchen Zhao, Hamed Haddadi, Payam Barnaghi
• Abstract要約: 在宅移動モニタリングデータを用いて、医療関連事象の発生を示すのにどのように役立つかを示す。 3種類のエントロピー測度、すなわちシャノンのエントロピー、マルコフ連鎖のエントロピー速度、エントロピー生成速度が利用されている。 本研究は,認知症臨床研究で収集した大規模在宅モニタリングデータセットを用いて評価した。
• 参考スコア（独自算出の注目度）: 5.945320097465417
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this work, we apply information theory inspired methods to quantify changes in daily activity patterns. We use in-home movement monitoring data and show how they can help indicate the occurrence of healthcare-related events. Three different types of entropy measures namely Shannon's entropy, entropy rates for Markov chains, and entropy production rate have been utilised. The measures are evaluated on a large-scale in-home monitoring dataset that has been collected within our dementia care clinical study. The study uses Internet of Things (IoT) enabled solutions for continuous monitoring of in-home activity, sleep, and physiology to develop care and early intervention solutions to support people living with dementia (PLWD) in their own homes. Our main goal is to show the applicability of the entropy measures to time-series activity data analysis and to use the extracted measures as new engineered features that can be fed into inference and analysis models. The results of our experiments show that in most cases the combination of these measures can indicate the occurrence of healthcare-related events. We also find that different participants with the same events may have different measures based on one entropy measure. So using a combination of these measures in an inference model will be more effective than any of the single measures.
• Abstract（参考訳）: 本研究では,日々の行動パターンの変化を定量化するために,情報理論に基づく手法を適用する。 家庭内移動監視データを用いて,医療関連イベントの発生状況の把握に有用性を示す。 シャノンのエントロピー、マルコフ鎖のエントロピー率、エントロピー生成率という3種類のエントロピー測度が利用されてきた。 本研究は,認知症臨床研究で収集した大規模在宅モニタリングデータセットを用いて評価した。 この研究は、IoT(Internet of Things)を有効にして家庭内活動、睡眠、生理学を継続的に監視するソリューションを使用して、認知症(PLWD)患者を自宅で支援するためのケアおよび早期介入ソリューションを開発した。 本研究の主な目的は,時系列活動データ分析へのエントロピー尺度の適用性を示し,抽出した指標を推論および解析モデルに入力可能な新しい特徴として利用することである。 実験の結果,多くの場合,これらの指標の組み合わせは,医療関連事象の発生を示唆する可能性が示唆された。 また,同一事象の異なる参加者は,一つのエントロピー尺度に基づいて異なる尺度を持つ可能性がある。 したがって、これらの指標を推論モデルに組み合わせることは、単一の測度のどれよりも効果的である。

関連論文リスト

• Scaling Wearable Foundation Models [54.93979158708164]
  センサ基礎モデルのスケーリング特性を計算,データ,モデルサイズにわたって検討する。 最大4000万時間分の心拍数、心拍変動、心電図活動、加速度計、皮膚温度、および1分間のデータを用いて、私たちはLSMを作成します。 この結果から,LSMのスケーリング法則は,時間とセンサの両面において,計算や外挿などのタスクに対して確立されている。
  論文  参考訳（メタデータ） (2024-10-17T15:08:21Z)
• Bayesian temporal biclustering with applications to multi-subject neuroscience studies [6.515516311120015]
  本研究では,時間不変な被検体の分割が時間変化による測定の分割を誘導するネスト分割を特徴とする時間的双クラスタリングのためのベイズモデルを提案する。 提案手法は,データ駆動による被検体数および測定クラスター数の決定と,測定分割における変化点数および位置の推定を可能にする。
  論文  参考訳（メタデータ） (2024-06-24T20:41:37Z)
• Deep Reinforcement Learning Empowered Activity-Aware Dynamic Health Monitoring Systems [69.41229290253605]
  既存のモニタリングアプローチは、医療機器が複数の健康指標を同時に追跡するという前提で設計されている。 これは、その範囲内で関連するすべての健康値を報告し、過剰なリソース使用と外部データの収集をもたらす可能性があることを意味します。 最適なモニタリング性能とコスト効率のバランスをとるための動的アクティビティ・アウェアヘルスモニタリング戦略(DActAHM)を提案する。
  論文  参考訳（メタデータ） (2024-01-19T16:26:35Z)
• Interpretable Causal Inference for Analyzing Wearable, Sensor, and Distributional Data [62.56890808004615]
  本研究では,信頼性とロバストな意思決定を確実にする,分散データ解析の解釈可能な手法を開発した。 ADD MALTSの有用性について,糖尿病リスク軽減のための連続グルコースモニターの有効性について検討した。
  論文  参考訳（メタデータ） (2023-12-17T00:42:42Z)
• 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)
• Efficient Causal Inference from Combined Observational and Interventional Data through Causal Reductions [68.6505592770171]
  因果効果を推定する際の主な課題の1つである。 そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。 パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-08T14:29:07Z)
• Multi-view Integration Learning for Irregularly-sampled Clinical Time Series [1.9639092030562577]
  不規則な時系列データからの多視点機能統合学習をインピーダンスフリーで自己保持機構で提案する。 我々は,観測値の関連性,指標の欠如,連続観測間の時間間隔を同時に学習する。 我々は,マルチビュー観察における相互関係の表現学習を促進するために,注意に基づくデコーダを欠落値インプタとして構築する。
  論文  参考訳（メタデータ） (2021-01-25T10:02:50Z)
• Neural Joint Entropy Estimation [12.77733789371855]
  離散確率変数のエントロピーの推定は情報理論と関連する分野における根本的な問題である。 本稿では,McAllester と Statos (2020) の業績を拡張した,この問題に対する実用的な解決策を提案する。 提案手法は,深層ニューラルネットワーク(DNN)におけるクロスエントロピー推定の一般化能力を用いて,エントロピー推定精度の向上を図る。
  論文  参考訳（メタデータ） (2020-12-21T09:23:39Z)
• Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
  生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。 本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-06-14T01:15:00Z)

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。