Fugu-MT 論文翻訳(概要): Personalizing Digital Health Behavior Change Interventions using Machine Learning and Domain Knowledge

論文の概要: Personalizing Digital Health Behavior Change Interventions using Machine Learning and Domain Knowledge

arxiv url: http://arxiv.org/abs/2304.03392v1
Date: Thu, 6 Apr 2023 21:46:48 GMT
ステータス: 処理完了
システム内更新日: 2023-04-10 13:29:47.758607
Title: Personalizing Digital Health Behavior Change Interventions using Machine Learning and Domain Knowledge
Title（参考訳）: 機械学習とドメイン知識を用いたデジタル健康行動変化介入のパーソナライズ
Authors: Aneta Lisowska, Szymon Wilk, Mor Peleg
Abstract要約: 我々は,患者が行動変化介入(BCI)に固執するのを支援する仮想コーチングシステムを開発している。提案システムでは,患者が対象行動を行うかどうかを予測し,BCIのパーソナライズを誘導するための特徴制御を備えた実例を用いた。
参考スコア（独自算出の注目度）: 0.7476901945542385
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We are developing a virtual coaching system that helps patients adhere to behavior change interventions (BCI). Our proposed system predicts whether a patient will perform the targeted behavior and uses counterfactual examples with feature control to guide personalizsation of BCI. We evaluated our prediction model using simulated patient data with varying levels of receptivity to intervention.
Abstract（参考訳）: 我々は,患者の行動変化介入(BCI)への適応を支援する仮想コーチングシステムを開発している。提案システムは, 患者が対象行動を行うかどうかを予測し, bciのパーソナライズを導くために, 機能制御を伴う偽例を用いる。介入に対する受容レベルが異なる患者データを用いて予測モデルを評価した。

関連論文リスト

A machine learning framework for interpretable predictions in patient pathways: The case of predicting ICU admission for patients with symptoms of sepsis [3.5280004326441365]
PatWay-Netは、敗血症患者の集中治療室への入院の予測を解釈するために設計されたMLフレームワークである。本稿では,新しいタイプのリカレントニューラルネットワークを提案し,それを多層パーセプトロンと組み合わせて患者経路を処理する。我々は、患者の健康状態、予測結果、関連するリスクを視覚化する包括的ダッシュボードを通じて、その実用性を実証する。
論文参考訳（メタデータ） (2024-05-21T20:31:42Z)
Probabilistic emotion and sentiment modelling of patient-reported experiences [0.04096453902709291]
本研究では,オンライン体験談話から患者感情をモデル化する新しい手法を提案する。ケアオピニオンから患者が報告した経験を分析するために,メタデータネットワークトピックをモデル化する。マルチラベル感情とバイナリ感情の両方を予測できる確率論的・文脈特異的感情推薦システムを開発した。
論文参考訳（メタデータ） (2024-01-09T05:39:20Z)
Counterfactual Explanations and Predictive Models to Enhance Clinical Decision-Making in Schizophrenia using Digital Phenotyping [0.966840768820136]
統合失調症患者の症状の個人的変化を予測・検出・説明できる機械学習システムを提案する。このシステムは、変更点アルゴリズムを用いて症状の減少を検知し、医療におけるシミュレーションされた継続的監視シナリオにおけるリコースとして反ファクト的説明を用いる。
論文参考訳（メタデータ） (2023-06-06T19:33:03Z)
Design, Development, and Evaluation of an Interactive Personalized Social Robot to Monitor and Coach Post-Stroke Rehabilitation Exercises [68.37238218842089]
パーソナライズされたリハビリテーションのための対話型ソーシャルロボット運動指導システムを開発した。このシステムは、ニューラルネットワークモデルとルールベースのモデルを統合し、患者のリハビリテーション運動を自動的に監視し、評価する。我々のシステムは,新たな参加者に適応し,専門家の合意レベルに匹敵する,エクササイズを評価するための平均パフォーマンス0.81を達成できる。
論文参考訳（メタデータ） (2023-05-12T17:37:04Z)
What Do You See in this Patient? Behavioral Testing of Clinical NLP Models [69.09570726777817]
本稿では,入力の変化に関する臨床結果モデルの振る舞いを評価する拡張可能なテストフレームワークを提案する。私たちは、同じデータを微調整しても、モデル行動は劇的に変化し、最高のパフォーマンスのモデルが常に最も医学的に可能なパターンを学習していないことを示しています。
論文参考訳（メタデータ） (2021-11-30T15:52:04Z)
Personalized Rehabilitation Robotics based on Online Learning Control [62.6606062732021]
本稿では,各ユーザに対して実行時の制御力をパーソナライズ可能な,新しいオンライン学習制御アーキテクチャを提案する。提案手法を,学習コントローラがパーソナライズされた制御を提供するとともに,安全な相互作用力も得られる実験ユーザスタディで評価した。
論文参考訳（メタデータ） (2021-10-01T15:28:44Z)
Development of patients triage algorithm from nationwide COVID-19 registry data based on machine learning [1.0323063834827415]
本稿では,機械学習技術を用いた重症度評価モデルの開発過程について述べる。モデルは基本的な患者の基本的個人データのみを必要とするため、患者は自身の重症度を判断できる。本研究の目的は、患者が自身の重症度をチェックできる医療システムを構築し、同様の重症度を持つ他の患者の過去の治療内容に基づいて、適切な診療所への訪問を通知することである。
論文参考訳（メタデータ） (2021-09-18T19:56:27Z)
AI-Augmented Behavior Analysis for Children with Developmental Disabilities: Building Towards Precision Treatment [2.0324247356209835]
AI-Augmented Learning and Applied Behavior Analytics(AI-ABA)プラットフォームを提供し、パーソナライズされた治療と学習計画を提供します。自動データ収集と分析とともに体系的な実験を定義することで、AI-ABAは自己規制的行動を促進することができる。
論文参考訳（メタデータ） (2021-02-21T16:15:40Z)
Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文参考訳（メタデータ） (2021-02-08T10:26:44Z)
Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。逆生成したサンプルはドメイン適応時に使用される。その結果,本手法の有効性とタスクの一般性が確認された。
論文参考訳（メタデータ） (2021-01-13T03:20:20Z)
Opportunities of a Machine Learning-based Decision Support System for Stroke Rehabilitation Assessment [64.52563354823711]
リハビリテーションアセスメントは、患者の適切な介入を決定するために重要である。現在の評価の実践は、主にセラピストの経験に依存しており、セラピストの可用性が限られているため、アセスメントは頻繁に実施される。我々は、強化学習を用いて評価の健全な特徴を識別できるインテリジェントな意思決定支援システムを開発した。
論文参考訳（メタデータ） (2020-02-27T17:04:07Z)

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。