Fugu-MT 論文翻訳(概要): Remote patient monitoring using artificial intelligence: Current state, applications, and challenges

論文の概要: Remote patient monitoring using artificial intelligence: Current state, applications, and challenges

arxiv url: http://arxiv.org/abs/2301.10009v1
Date: Thu, 19 Jan 2023 06:22:14 GMT
ステータス: 処理完了
システム内更新日: 2023-01-29 13:40:40.937474
Title: Remote patient monitoring using artificial intelligence: Current state, applications, and challenges
Title（参考訳）: 人工知能を用いた遠隔患者モニタリングの現状と課題
Authors: Thanveer Shaik, Xiaohui Tao, Niall Higgins, Lin Li, Raj Gururajan, Xujuan Zhou, U. Rajendra Acharya
Abstract要約: 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。
参考スコア（独自算出の注目度）: 13.516357215412024
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The adoption of artificial intelligence (AI) in healthcare is growing rapidly. Remote patient monitoring (RPM) is one of the common healthcare applications that assist doctors to monitor patients with chronic or acute illness at remote locations, elderly people in-home care, and even hospitalized patients. The reliability of manual patient monitoring systems depends on staff time management which is dependent on their workload. Conventional patient monitoring involves invasive approaches which require skin contact to monitor health status. This study aims to do a comprehensive review of RPM systems including adopted advanced technologies, AI impact on RPM, challenges and trends in AI-enabled RPM. This review explores the benefits and challenges of patient-centric RPM architectures enabled with Internet of Things wearable devices and sensors using the cloud, fog, edge, and blockchain technologies. The role of AI in RPM ranges from physical activity classification to chronic disease monitoring and vital signs monitoring in emergency settings. This review results show that AI-enabled RPM architectures have transformed healthcare monitoring applications because of their ability to detect early deterioration in patients' health, personalize individual patient health parameter monitoring using federated learning, and learn human behavior patterns using techniques such as reinforcement learning. This review discusses the challenges and trends to adopt AI to RPM systems and implementation issues. The future directions of AI in RPM applications are analyzed based on the challenges and trends
Abstract（参考訳）: 医療における人工知能(AI)の採用は急速に進んでいる。遠隔患者モニタリング(Remote patient monitoring, RPM)は、遠隔地、高齢者の在宅ケア、入院患者など、慢性または急性疾患の患者をモニターする医師を支援する医療アプリケーションである。手動患者のモニタリングシステムの信頼性は、作業負荷に依存するスタッフの時間管理に依存する。従来の患者のモニタリングは、健康状態を監視するために皮膚接触を必要とする侵襲的アプローチを伴う。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。本稿では,iot(internet of things)ウェアラブルデバイスとクラウド,フォグ,エッジ,ブロックチェーン技術を用いたセンサによって実現される,患者中心のrpmアーキテクチャのメリットと課題について検討する。 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。本研究の結果から,aiを活用したrpmアーキテクチャは,患者の健康状態の早期劣化を検知し,フェデレーション学習を用いて個々の患者の健康パラメータモニタリングをパーソナライズし,強化学習などの手法を用いて人間の行動パターンを学習する能力から,医療モニタリングアプリケーションを変化させた。本稿では,RPMシステムや実装問題にAIを採用する上での課題と動向について論じる。 RPMアプリケーションにおけるAIの将来方向は、課題とトレンドに基づいて分析される

関連論文リスト

AI in Remote Patient Monitoring [0.0]
この章では、遠隔患者モニタリング(RPM)におけるAIの統合について説明する。本稿では、AIが監視精度、予測分析、パーソナライズされた治療計画を強化する方法について概説する。この章では、この分野における課題と今後の方向性についても論じている。
論文参考訳（メタデータ） (2024-07-04T15:33:57Z)
Testing autonomous vehicles and AI: perspectives and challenges from cybersecurity, transparency, robustness and fairness [53.91018508439669]
この研究は、人工知能を自律走行車(AV)に統合する複雑さを探求する AIコンポーネントがもたらした課題と、テスト手順への影響を調べます。本稿は、重要な課題を特定し、AV技術におけるAIの研究・開発に向けた今後の方向性を提案する。
論文参考訳（メタデータ） (2024-02-21T08:29:42Z)
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)
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)
Safe AI for health and beyond -- Monitoring to transform a health service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文参考訳（メタデータ） (2023-03-02T17:27:45Z)
AI enabled RPM for Mental Health Facility [8.26802516741755]
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。
論文参考訳（メタデータ） (2023-01-20T23:47:16Z)
Remote Medication Status Prediction for Individuals with Parkinson's Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文参考訳（メタデータ） (2022-07-26T02:08:08Z)
Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
論文参考訳（メタデータ） (2022-05-19T17:34:18Z)
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)
An Overview of Human Activity Recognition Using Wearable Sensors: Healthcare and Artificial Intelligence [4.04762671215916]
ヒューマンアクティビティ認識(HAR)は、セキュリティや監視、人間とロボットのインタラクション、エンターテイメントなど、さまざまな分野に適用されている。私たちは、集中治療ユニット(ICU)患者とデュシェンヌ筋ジストロフィー(DMD)患者のための人間の活動の識別:ヘルスケアのための新しいHARプロジェクトを紹介します。当社のHARシステムには、ICU患者およびDMD患者からセンサーデータを収集するハードウェア設計と、患者の活動を認識するための正確なAIモデルが含まれます。
論文参考訳（メタデータ） (2021-03-29T23:48:51Z)
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)

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。