論文の概要: Walk4Me: Telehealth Community Mobility Assessment, An Automated System
for Early Diagnosis and Disease Progression
- arxiv url: http://arxiv.org/abs/2305.05543v1
- Date: Fri, 5 May 2023 10:47:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-10 12:23:00.686358
- Title: Walk4Me: Telehealth Community Mobility Assessment, An Automated System
for Early Diagnosis and Disease Progression
- Title（参考訳）: Walk4Me:遠隔医療コミュニティモビリティアセスメント : 早期診断と疾患進展のための自動システム
- Authors: Albara Ah Ramli, Xin Liu, Erik K. Henricson
- Abstract要約: 本研究では,早期診断,重症度,進行診断を容易にする遠隔地移動度評価システムであるWalk4Meを紹介する。
これを実現するために、我々は、人工知能(AI)を用いた、患者および典型的に発達する仲間の歩行特性の検出を用いる。
我々のシステムは,新しいWalk4Me APIを用いて,デバイスセンサ(モバイルデバイスからの加速度など)からリモートおよびリアルタイムにデータを収集する。
- 参考スコア（独自算出の注目度）: 2.96872688940436
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce Walk4Me, a telehealth community mobility assessment system
designed to facilitate early diagnosis, severity, and progression
identification. Our system achieves this by 1) enabling early diagnosis, 2)
identifying early indicators of clinical severity, and 3) quantifying and
tracking the progression of the disease across the ambulatory phase of the
disease. To accomplish this, we employ an Artificial Intelligence (AI)-based
detection of gait characteristics in patients and typically developing peers.
Our system remotely and in real-time collects data from device sensors (e.g.,
acceleration from a mobile device, etc.) using our novel Walk4Me API. Our web
application extracts temporal/spatial gait characteristics and raw data signal
characteristics and then employs traditional machine learning and deep learning
techniques to identify patterns that can 1) identify patients with gait
disturbances associated with disease, 2) describe the degree of mobility
limitation, and 3) identify characteristics that change over time with disease
progression. We have identified several machine learning techniques that
differentiate between patients and typically-developing subjects with 100%
accuracy across the age range studied, and we have also identified
corresponding temporal/spatial gait characteristics associated with each group.
Our work demonstrates the potential of utilizing the latest advances in mobile
device and machine learning technology to measure clinical outcomes regardless
of the point of care, inform early clinical diagnosis and treatment
decision-making, and monitor disease progression.
- Abstract（参考訳）: walk4meは,早期診断,重症度,進行診断を容易にするテレヘルス・コミュニティ・モビリティ評価システムである。
私たちのシステムは
1)早期診断が可能。
2 臨床症状の早期指標の特定、及び
3) 疾患の止血段階における進行の定量化と追跡。
これを実現するために、我々は、人工知能(AI)を用いた、患者および典型的には、歩行特性の検出を採用する。
我々のシステムは,新しいWalk4Me APIを用いて,デバイスセンサ(モバイルデバイスからの加速度など)からリモートおよびリアルタイムにデータを収集する。
ウェブアプリケーションは時空間歩行特性と生データ信号特性を抽出し,従来の機械学習と深層学習技術を用いてパターンを識別する。
1)疾患に伴う歩行障害の患者を特定する。
2)移動制限の程度を記述し
3)疾患進行に伴う経時的変化の特徴の同定。
調査対象の年齢範囲に100%の精度で患者と通常発達する被験者を区別する機械学習手法を複数同定し,各群に関連する時間的・空間的歩行特性も同定した。
本研究は,モバイル機器と機械学習技術の最新の進歩を活用し,ケアポイントに関係なく臨床成果を計測し,早期臨床診断と治療の意思決定を報知し,疾患の進行をモニターする可能性を実証する。
関連論文リスト
- A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳（メタデータ） (2024-05-21T06:44:40Z) - Time-aware Heterogeneous Graph Transformer with Adaptive Attention Merging for Health Event Prediction [6.578298085691462]
本稿では,疾患領域の知識を同化し,薬物と疾患の複雑な関係を解明するための新しい異種グラフ学習モデルを提案する。
2つの医療データセットで評価したところ、予測精度と解釈可能性の両方において顕著な改善が見られた。
論文 参考訳（メタデータ） (2024-04-23T08:01:30Z) - A Foundational Framework and Methodology for Personalized Early and
Timely Diagnosis [84.6348989654916]
本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。
診断過程を概説する決定論的アプローチに基づいている。
機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
論文 参考訳（メタデータ） (2023-11-26T14:42:31Z) - Recent advancement in Disease Diagnostic using machine learning:
Systematic survey of decades, comparisons, and challenges [0.0]
バイオメディカル領域におけるパターン認識と機械学習は、疾患の検出と診断の精度を高めることを約束する。
本稿では,肝炎,糖尿病,肝疾患,デング熱,心臓病などの疾患を検出するための機械学習アルゴリズムについて検討する。
論文 参考訳（メタデータ） (2023-07-31T16:35:35Z) - CoAD: Automatic Diagnosis through Symptom and Disease Collaborative
Generation [37.25451059168202]
CoADは病気と症状の協調生成フレームワークである。
自動的な疾患診断を改善するために、いくつかの重要な革新が組み込まれている。
過去の診断結果よりも平均2.3%改善している。
論文 参考訳（メタデータ） (2023-07-17T07:24:55Z) - AutoPrognosis 2.0: Democratizing Diagnostic and Prognostic Modeling in
Healthcare with Automated Machine Learning [72.2614468437919]
本稿では,診断・予後モデルを開発するための機械学習フレームワークAutoPrognosis 2.0を提案する。
我々は,英国バイオバンクを用いた糖尿病の予後リスクスコアを構築するための図解的アプリケーションを提供する。
我々のリスクスコアはWebベースの意思決定支援ツールとして実装されており、世界中の患者や臨床医がアクセスできる。
論文 参考訳（メタデータ） (2022-10-21T16:31:46Z) - SpineOne: A One-Stage Detection Framework for Degenerative Discs and
Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。
1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文 参考訳（メタデータ） (2021-10-28T12:59:06Z) - Detecting Spurious Correlations with Sanity Tests for Artificial
Intelligence Guided Radiology Systems [22.249702822013045]
放射線学におけるAIの展開における重要な要素は、開発システムの有効性と安全性への信頼を得ることである。
現在のゴールド標準アプローチは、一般化データセットのパフォーマンスの分析検証を行うことである。
間違った理由から,システムが開発データに対して良好に動作するかどうかを特定するための,一連の健全性テストについて述べる。
論文 参考訳（メタデータ） (2021-03-04T14:14:05Z) - Inheritance-guided Hierarchical Assignment for Clinical Automatic
Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。
本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-01-27T13:16:51Z) - 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) - Explainable and Scalable Machine-Learning Algorithms for Detection of
Autism Spectrum Disorder using fMRI Data [0.2578242050187029]
提案した深層学習モデル ASD-DiagNet は神経型スキャンから ASD の脳スキャンの分類に一貫した精度を示す。
我々の手法はAuto-ASD-Networkと呼ばれ、ディープラーニングとサポートベクトルマシン(SVM)を組み合わせて、ニューロタイプスキャンからASDスキャンを分類する。
論文 参考訳（メタデータ） (2020-03-02T18:20:44Z)
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。