論文の概要: MAISON -- Multimodal AI-based Sensor platform for Older Individuals
- arxiv url: http://arxiv.org/abs/2211.03615v1
- Date: Mon, 7 Nov 2022 15:09:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-08 16:27:18.597970
- Title: MAISON -- Multimodal AI-based Sensor platform for Older Individuals
- Title（参考訳）: MAISON -- 高齢者のためのマルチモーダルAIベースのセンサプラットフォーム
- Authors: Ali Abedi, Faranak Dayyani, Charlene Chu, Shehroz S. Khan
- Abstract要約: 商用スマートデバイスのスケーラブルなクラウドベースのプラットフォームであるMAISONを提案する。
MAISONプラットフォームは、機能的な不具合やパフォーマンス劣化なしに、センサデータをクラウドに収集、保存することができる。
本稿では,高齢者ホームにおけるプラットフォーム開発における課題とデータ収集について論じる。
- 参考スコア（独自算出の注目度）: 3.544570529705401
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There is a global aging population requiring the need for the right tools
that can enable older adults' greater independence and the ability to age at
home, as well as assist healthcare workers. It is feasible to achieve this
objective by building predictive models that assist healthcare workers in
monitoring and analyzing older adults' behavioral, functional, and
psychological data. To develop such models, a large amount of multimodal sensor
data is typically required. In this paper, we propose MAISON, a scalable
cloud-based platform of commercially available smart devices capable of
collecting desired multimodal sensor data from older adults and patients living
in their own homes. The MAISON platform is novel due to its ability to collect
a greater variety of data modalities than the existing platforms, as well as
its new features that result in seamless data collection and ease of use for
older adults who may not be digitally literate. We demonstrated the feasibility
of the MAISON platform with two older adults discharged home from a large
rehabilitation center. The results indicate that the MAISON platform was able
to collect and store sensor data in a cloud without functional glitches or
performance degradation. This paper will also discuss the challenges faced
during the development of the platform and data collection in the homes of
older adults. MAISON is a novel platform designed to collect multimodal data
and facilitate the development of predictive models for detecting key health
indicators, including social isolation, depression, and functional decline, and
is feasible to use with older adults in the community.
- Abstract（参考訳）: 高齢者は、高齢者の自立性を高め、自宅での老化を可能にするための適切なツールが必要であり、医療従事者の支援も必要である。
高齢者の行動、機能、心理データを監視し分析する医療従事者を支援する予測モデルを構築することで、この目的を達成することが可能である。
このようなモデルを開発するには、通常大量のマルチモーダルセンサデータが必要である。
本稿では,高齢者や自宅で生活している患者から所望のマルチモーダルセンサデータを収集できる,商用スマートデバイスのスケーラブルなクラウドベースプラットフォームであるMAISONを提案する。
maisonプラットフォームは、既存のプラットフォームよりも多種多様なデータモダリティを収集できる能力と、デジタル字幕のない高齢者向けにシームレスなデータ収集と使いやすさをもたらす新機能によって、斬新である。
大規模リハビリテーションセンターから退院した高齢者2名のメイソン・プラットフォームの実現可能性を示した。
その結果,MAISONプラットフォームは機能的不具合や性能劣化を伴わずに,センサデータをクラウドに収集,保存することができた。
本稿では,高齢者の家庭におけるプラットフォーム開発とデータ収集に直面する課題についても考察する。
MAISONは、マルチモーダルデータを収集し、社会的孤立、抑うつ、機能低下を含む主要な健康指標を検出するための予測モデルの開発を促進するために設計された新しいプラットフォームであり、地域社会の高齢者での使用が可能である。
関連論文リスト
- OASIS: Open Agent Social Interaction Simulations with One Million Agents [147.2538500202457]
実世界のソーシャルメディアプラットフォームに基づくスケーラブルなソーシャルメディアシミュレータを提案する。
OASISは最大100万人のユーザをモデリングできる大規模なユーザシミュレーションをサポートする。
我々は、情報拡散、グループ分極、XプラットフォームとRedditプラットフォーム間の群れ効果など、様々な社会現象を再現する。
論文 参考訳（メタデータ） (2024-11-18T13:57:35Z) - DAMMI:Daily Activities in a Psychologically Annotated Multi-Modal IoT dataset [10.771838327042609]
DAMMIデータセットは、この分野の研究者を支援するように設計されている。
これには、ホームインストールされたセンサー、スマートフォンデータ、リストバンド146日以上にわたって収集された高齢者の日々の行動データが含まれている。
データ収集は、新型コロナウイルス(COVID-19)のパンデミック、正月、ラマダンの宗教月など、重要なイベントにまたがる。
論文 参考訳（メタデータ） (2024-10-05T13:26:54Z) - Data-Juicer Sandbox: A Comprehensive Suite for Multimodal Data-Model Co-development [67.55944651679864]
統合データモデル共同開発に適した新しいサンドボックススイートを提案する。
このサンドボックスは包括的な実験プラットフォームを提供し、データとモデルの両方の迅速なイテレーションと洞察駆動による改善を可能にする。
また、徹底的なベンチマークから得られた実りある洞察を明らかにし、データ品質、多様性、モデル行動の間の重要な相互作用に光を当てています。
論文 参考訳（メタデータ） (2024-07-16T14:40:07Z) - Synthesizing Multimodal Electronic Health Records via Predictive Diffusion Models [69.06149482021071]
EHRPDと呼ばれる新しいEHRデータ生成モデルを提案する。
時間間隔推定を組み込んだ拡散モデルである。
我々は2つの公開データセットで実験を行い、忠実さ、プライバシー、実用性の観点からEPHPDを評価する。
論文 参考訳（メタデータ） (2024-06-20T02:20:23Z) - Data Augmentation in Human-Centric Vision [54.97327269866757]
本研究では,人間中心型視覚タスクにおけるデータ拡張手法の包括的分析を行う。
それは、人物のReID、人間のパーシング、人間のポーズ推定、歩行者検出など、幅広い研究領域に展開している。
我々の研究は、データ拡張手法をデータ生成とデータ摂動の2つの主なタイプに分類する。
論文 参考訳（メタデータ） (2024-03-13T16:05:18Z) - 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) - 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) - On Inferring User Socioeconomic Status with Mobility Records [61.0966646857356]
本稿では,DeepSEIと呼ばれる,社会経済に配慮したディープモデルを提案する。
DeepSEIモデルはディープネットワークとリカレントネットワークと呼ばれる2つのネットワークを組み込んでいる。
実際の移動記録データ、POIデータ、住宅価格データについて広範な実験を行う。
論文 参考訳（メタデータ） (2022-11-15T15:07:45Z) - Health Guardian Platform: A technology stack to accelerate discovery in
Digital Health research [1.4334172557562619]
Health Guardianは、IBM Digital Healthチームが開発したプラットフォームで、新しいデジタルバイオマーカーの発見とデジタルヘルス技術の開発を加速する。
このプラットフォームは、モバイルアプリケーション、ウェアラブル、IoT(Internet of Things)デバイスに接続して、健康関連のデータをセキュアなデータベースに収集することができる。
分析が作成されると、事前に定義されたテンプレートを使用してコードをクラウド上にコンテナ化し、デプロイし、1つ以上のセンサーデバイスから収集したデータを使用してモデルを検証できる。
論文 参考訳（メタデータ） (2022-11-10T16:28:07Z) - Framework for A Personalized Intelligent Assistant to Elderly People for
Activities of Daily Living [0.0]
本研究は,高齢者の日常生活活動を支援するパーソナライズド・インテリジェント・アシスタントの開発のための枠組みを提案する。
このフレームワークは、日々のルーチン、現在の情緒状態、ユーザー体験のアンダーライン化を考慮し、ユーザによって実行されるさまざまなタスクを分析し、アクティビティを推奨することができる。
その結果,特定のユーザをモデル化する際の性能精度は73.12%であった。
論文 参考訳（メタデータ） (2021-06-29T17:36:07Z) - A highly scalable repository of waveform and vital signs data from
bedside monitoring devices [0.0]
機械学習は、患者バイタルのような様々な種類の信号データに対する研究コミュニティの欲求を喚起している。
医療システムは大量のデータの大量処理には適していない。
我々は,患者を夜間に,オンプレミスのバイオメディカルシステムから永久アーカイブとしてクラウドストレージの場所まで,患者のバイタルデータを同期するソリューションを開発した。
論文 参考訳（メタデータ） (2021-06-07T20:59:58Z)
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。