Fugu-MT 論文翻訳(概要): Predicting dominant hand from spatiotemporal context varying physiological data

論文の概要: Predicting dominant hand from spatiotemporal context varying physiological data

arxiv url: http://arxiv.org/abs/2212.04077v1
Date: Thu, 8 Dec 2022 05:14:48 GMT
ステータス: 処理完了
システム内更新日: 2022-12-09 16:25:48.236094
Title: Predicting dominant hand from spatiotemporal context varying physiological data
Title（参考訳）: 時空間変動生理データから支配的な手を予測する
Authors: Jorge Neira-Garcia and Sudip Vhaduri
Abstract要約: 本研究は,市販スマートウォッチの手首配置予測のための両手実験における生理的・文脈的情報の利用性を評価することを目的とする。その結果,実生活環境下での1つの被験者のデータを用いて,効果的な支配的手振り予測を行うことができた。
参考スコア（独自算出の注目度）: 1.827510863075184
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Health metrics from wrist-worn devices demand an automatic dominant hand prediction to keep an accurate operation. The prediction would improve reliability, enhance the consumer experience, and encourage further development of healthcare applications. This paper aims to evaluate the use of physiological and spatiotemporal context information from a two-hand experiment to predict the wrist placement of a commercial smartwatch. The main contribution is a methodology to obtain an effective model and features from low sample rate physiological sensors and a self-reported context survey. Results show an effective dominant hand prediction using data from a single subject under real-life conditions.
Abstract（参考訳）: 手首を縫うデバイスからの健康指標は、正確な操作を維持するために自動的な支配的な手予測を要求する。この予測によって信頼性が向上し、消費者エクスペリエンスが向上し、医療アプリケーションの開発が促進される。本稿では,両手実験から生理的・時空間的情報を用いて,市販スマートウォッチの手首配置を予測することを目的とする。主な貢献は、サンプルレートの低い生理学的センサーと自己報告型コンテキストサーベイから有効なモデルと特徴を得る方法である。その結果、実生活条件下では単一の被験者のデータを用いた効果的な支配的な手予測が得られた。

関連論文リスト

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)
Using Geographic Location-based Public Health Features in Survival Analysis [12.424517746493553]
本稿では,入力特徴に公衆衛生統計を取り入れた生存分析モデルの補完的改善を提案する。地理的位置に基づく公衆衛生情報を含めると,Surveillance, Epidemiology, End Results (SEER)データセットで評価されたコンコーマンス指数の統計的に有意な改善が得られた。生存分析における地理的位置に基づく公衆衛生機能の有用性が示唆された。
論文参考訳（メタデータ） (2023-04-16T03:15:00Z)
Textual Data Augmentation for Patient Outcomes Prediction [67.72545656557858]
本稿では,患者の電子カルテに人工的な臨床ノートを作成するための新しいデータ拡張手法を提案する。生成言語モデルGPT-2を微調整し、ラベル付きテキストを元のトレーニングデータで合成する。今回,最も多い患者,すなわち30日間の寛解率について検討した。
論文参考訳（メタデータ） (2022-11-13T01:07:23Z)
Care for the Mind Amid Chronic Diseases: An Interpretable AI Approach Using IoT [3.2054478691773363]
既存の健康センシング研究は、主に身体性慢性疾患の予測に焦点を当てている。しかし、慢性疾患の広範な合併症であるうつ病が検討されている。我々は解釈可能な深層学習モデルを開発する:時間的プロトタイプネットワーク(TempPNet) 患者、医師、介護者は、我々のモデルをモバイルデバイスにデプロイし、患者のうつ病リスクをリアルタイムで監視することができる。
論文参考訳（メタデータ） (2022-11-08T19:09:39Z)
A predictive analytics approach for stroke prediction using machine learning and neural networks [4.984181486695979]
本稿では,脳卒中予測のための電子健康記録の諸因子を系統的に分析する。年齢、心臓病、平均血糖値、高血圧が脳卒中を検出する最も重要な要因である。これら4つの属性を用いたパーセプトロンニューラルネットワークは、最高精度と最低ミス率を提供する。
論文参考訳（メタデータ） (2022-03-01T14:45:15Z)
Learning to Predict with Supporting Evidence: Applications to Clinical Risk Prediction [9.199022926064009]
機械学習モデルがヘルスケアに与える影響は、医療専門家がこれらのモデルによって予測される信頼度に依存する。予測が信頼されるべき理由に関するドメイン関連証拠を,臨床専門性のある人に提供するための方法を提示する。
論文参考訳（メタデータ） (2021-03-04T00:26:32Z)
Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
論文参考訳（メタデータ） (2020-10-15T16:39:26Z)
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)
BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文参考訳（メタデータ） (2020-09-24T00:42:36Z)
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)
Health Indicator Forecasting for Improving Remaining Useful Life Estimation [12.250035750661866]
本稿では,健康指標予測のための新しい生成・シナリオマッチングアルゴリズムを提案する。実験結果は,他の最先端手法よりもアルゴリズムの方が優れていることを示す。
論文参考訳（メタデータ） (2020-06-05T23:02:10Z)

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。