論文の概要: AI enabled RPM for Mental Health Facility

• arxiv url: http://arxiv.org/abs/2301.08828v1
• Date: Fri, 20 Jan 2023 23:47:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-24 16:15:31.172496
• Title: AI enabled RPM for Mental Health Facility
• Title（参考訳）: メンタルヘルス施設のためのAI対応RPM
• Authors: Thanveer Shaik, Xiaohui Tao, Niall Higgins, Haoran Xie, Raj Gururajan, Xujuan Zhou
• Abstract要約: 本稿では,非侵襲デジタル技術RFIDを用いたAI対応RPMシステムフレームワークについて述べる。 検索した時系列データに基づいて、今後3時間にわたって患者の健康的な兆候を示し、身体活動の分類をラベル付き身体活動の10つに分類する。 この枠組みは、予期せぬ臨床災害を避け、適切な医療介入による予防措置を取るのに役立つ。
• 参考スコア（独自算出の注目度）: 8.26802516741755
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mental healthcare is one of the prominent parts of the healthcare industry with alarming concerns related to patients depression, stress leading to self-harm and threat to fellow patients and medical staff. To provide a therapeutic environment for both patients and staff, aggressive or agitated patients need to be monitored remotely and track their vital signs and physical activities continuously. Remote patient monitoring (RPM) using non-invasive technology could enable contactless monitoring of acutely ill patients in a mental health facility. Enabling the RPM system with AI unlocks a predictive environment in which future vital signs of the patients can be forecasted. This paper discusses an AI-enabled RPM system framework with a non-invasive digital technology RFID using its in-built NCS mechanism to retrieve vital signs and physical actions of patients. Based on the retrieved time series data, future vital signs of patients for the upcoming 3 hours and classify their physical actions into 10 labelled physical activities. This framework assists to avoid any unforeseen clinical disasters and take precautionary measures with medical intervention at right time. A case study of a middle-aged PTSD patient treated with the AI-enabled RPM system is demonstrated in this study.
• Abstract（参考訳）: メンタルヘルスは、患者のうつ病、ストレスが自己傷につながり、同僚の患者や医療スタッフに脅威をもたらすことを懸念する、医療業界における重要な部分の1つである。 患者とスタッフの双方に対して、攻撃性または扇動性患者を遠隔で監視し、バイタルサインや身体活動を継続的に追跡する必要がある治療環境を提供する。 非侵襲技術を用いた遠隔患者モニタリング(RPM)は、精神医療施設における急性疾患患者の接触のないモニタリングを可能にする。 RPMシステムをAIで実現することで、将来の患者のバイタルサインを予測できる予測環境が解放される。 本稿では,非侵襲デジタル技術RFIDを用いたAI対応RPMシステムフレームワークについて述べる。 検索した時系列データに基づいて、今後3時間にわたって患者の健康的な兆候を示し、身体活動はラベル付き身体活動10に分類する。 この枠組みは、予期せぬ臨床災害を避け、適切な医療介入による予防措置を取るのに役立つ。 本研究は,AI対応RPMシステムを用いた中高年PTSD患者の症例研究である。

関連論文リスト

• Detecting Visual Cues in the Intensive Care Unit and Association with Patient Clinical Status [0.9867627975175174]
  ICUの既存の患者評価は散発的であり、手動で管理されている。 我々はデータ不均衡問題に対処する新しい「マスケッド損失計算」手法を開発した。 634,054フレームのAU推論を行い,顔面AUと臨床的に重要な患者状況との関連性について検討した。
  論文  参考訳（メタデータ） (2023-11-01T15:07:03Z)
• AI-Enhanced Intensive Care Unit: Revolutionizing Patient Care with Pervasive Sensing [2.7503982558916906]
  集中治療室 (ICU) は、重篤な患者が集中治療や監視を受ける特別な病院空間である。 包括的モニタリングは、患者の状態、特に明度、究極的にはケアの質を評価する上で必須である。 現在、表情、姿勢、移動といった細部を含む視力評価は散発的に捉えられるか、全く捉えられていない。
  論文  参考訳（メタデータ） (2023-03-11T00:25:55Z)
• Remote patient monitoring using artificial intelligence: Current state, applications, and challenges [13.516357215412024]
  本研究の目的は,導入技術,RPMに対するAIの影響,AI対応RPMの課題と動向など,RPMシステムの総合的なレビューを行うことである。 RPMにおけるAIの役割は、身体活動の分類から慢性疾患のモニタリング、緊急時におけるバイタルサインのモニタリングまで様々である。 このレビュー結果は、AI対応のRPMアーキテクチャが医療モニタリングアプリケーションを変革したことを示している。
  論文  参考訳（メタデータ） (2023-01-19T06:22:14Z)
• Adherence Forecasting for Guided Internet-Delivered Cognitive Behavioral Therapy: A Minimally Data-Sensitive Approach [59.535699822923]
  インターネット提供型心理的治療(IDPT)は、メンタルヘルスのアクセシビリティを向上させるための効果的でスケーラブルな経路であると考えられている。 本研究は,最小限の敏感なログイン/ログアウトデータに依存しながら,自動アドバンス予測を行うディープラーニングアプローチを提案する。 提案されたセルフアテンションネットワークは、治療期間の1/3が経過した時点で、平均的バランスの正確さを70%以上達成した。
  論文  参考訳（メタデータ） (2022-01-11T13:55:57Z)
• Automated, real-time hospital ICU emergency signaling: A field-level implementation [1.5399429731150378]
  我々は,新しい患者監視システムを設計する。 提案するプロトタイプは,安価な周辺機器と簡易ユーザインタフェースを備える。 患者データを連続的に評価することにより、システムはリアルタイムで重要な事象を確実に検出でき、誤警報率も低いことを示す。
  論文  参考訳（メタデータ） (2021-11-03T03:32:33Z)
• The Role of Robotics in Infectious Disease Crises [46.43737882437637]
  新型コロナウイルスの感染拡大を受け、医療・公共安全・経済システムの課題が浮き彫りになっている。 感染症の流行に伴うエンジニアリング上の課題を予知し、解決する上で、補完的な必要性がある。 技術的能力が向上し、将来ロボットシステムの設置基盤が増加するにつれ、将来の危機においてさらに重要な役割を果たす可能性がある。
  論文  参考訳（メタデータ） (2020-10-19T22:54:12Z)
• 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)
• Designing Personalized Interaction of a Socially Assistive Robot for Stroke Rehabilitation Therapy [64.52563354823711]
  社会支援ロボットの研究は、神経学的および筋骨格疾患の患者に対する理学療法セッションを増強し、支援する可能性がある。 本稿では,運動の質を予測するために,患者個別の運動の運動特性を動的に選択できる社会支援ロボットのインタラクティブなアプローチを提案する。
  論文  参考訳（メタデータ） (2020-07-13T16:12:05Z)
• Multi-Task Temporal Shift Attention Networks for On-Device Contactless Vitals Measurement [9.825675909430611]
  ビデオベースおよびオンデバイス型光学式心肺蘇生標識計測手法を提案する。 移動プラットフォーム上でのリアルタイム心血管および呼吸の測定を可能にする。 我々は,高度なRISCマシン(ARM)CPU上でのシステム評価を行い,150フレーム/秒以上動作しながら最先端の精度を実現した。
  論文  参考訳（メタデータ） (2020-06-06T06:31:24Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)
• Reconfiguring health services to reduce the workload of caregivers during the COVID-19 outbreak using an open-source scalable platform for remote digital monitoring and coordination of care in hospital Command Centres [55.41644538483948]
  在宅患者を自動的に遠隔監視するデジタル技術について述べる。 患者は単純で自己申告されたアンケートに回答し、そのデータはリアルタイムで最寄りの病院のコマンドセンターに送信される。
  論文  参考訳（メタデータ） (2020-03-12T16:08:09Z)

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。