論文の概要: Machine Learning, Deep Learning and Data Preprocessing Techniques for Detection, Prediction, and Monitoring of Stress and Stress-related Mental Disorders: A Scoping Review

• arxiv url: http://arxiv.org/abs/2308.04616v1
• Date: Tue, 8 Aug 2023 22:47:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-10 15:39:34.557716
• Title: Machine Learning, Deep Learning and Data Preprocessing Techniques for Detection, Prediction, and Monitoring of Stress and Stress-related Mental Disorders: A Scoping Review
• Title（参考訳）: ストレス・ストレス関連精神疾患の検出・予測・モニタリングのための機械学習・ディープラーニング・データ前処理技術:スコープレビュー
• Authors: Moein Razavi, Samira Ziyadidegan, Reza Jahromi, Saber Kazeminasab, Vahid Janfaza, Ahmadreza Mahmoudzadeh, Elaheh Baharlouei, Farzan Sasangohar
• Abstract要約: ストレスやストレス関連MDのコンテキストで使用される最新の機械学習アルゴリズム、前処理技術、データタイプを調査する。 Support Vector Machine(SVM)、Neural Network(NN)、Random Forest(RF)モデルは、常に優れた精度と堅牢性を示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This comprehensive review systematically evaluates Machine Learning (ML) methodologies employed in the detection, prediction, and analysis of mental stress and its consequent mental disorders (MDs). Utilizing a rigorous scoping review process, the investigation delves into the latest ML algorithms, preprocessing techniques, and data types employed in the context of stress and stress-related MDs. The findings highlight that Support Vector Machine (SVM), Neural Network (NN), and Random Forest (RF) models consistently exhibit superior accuracy and robustness among all machine learning algorithms examined. Furthermore, the review underscores that physiological parameters, such as heart rate measurements and skin response, are prevalently used as stress predictors in ML algorithms. This is attributed to their rich explanatory information concerning stress and stress-related MDs, as well as the relative ease of data acquisition. Additionally, the application of dimensionality reduction techniques, including mappings, feature selection, filtering, and noise reduction, is frequently observed as a crucial step preceding the training of ML algorithms. The synthesis of this review identifies significant research gaps and outlines future directions for the field. These encompass areas such as model interpretability, model personalization, the incorporation of naturalistic settings, and real-time processing capabilities for detection and prediction of stress and stress-related MDs.
• Abstract（参考訳）: この総合的なレビューは、精神ストレスとその関連する精神障害の検出、予測、分析に使用される機械学習(ML)方法論を体系的に評価する。 厳密なスコーピングレビュープロセスを用いて,ストレスおよびストレス関連mdsの文脈で使用される最新のmlアルゴリズム,前処理技術,データ型について調査を行った。 その結果、Support Vector Machine(SVM)、Neural Network(NN)、Random Forest(RF)モデルは、検査されたすべての機械学習アルゴリズムにおいて、常に優れた精度と堅牢性を示すことがわかった。 さらに, 心拍数測定や皮膚反応などの生理的パラメータが, mlアルゴリズムのストレス予測因子として広く用いられていることを考察する。 これは、ストレスやストレス関連のMDに関する豊富な説明情報と、データ取得の比較的容易さに起因する。 さらに、マッピング、特徴選択、フィルタリング、ノイズ低減を含む次元性低減技術の応用は、MLアルゴリズムの訓練に先立って重要なステップとしてしばしば観察される。 このレビューの合成は、重要な研究のギャップを明らかにし、この分野の今後の方向性を概説する。 これらの領域は、モデル解釈可能性、モデルパーソナライゼーション、自然主義的設定の組み込み、ストレスやストレスに関連するmdsの検出と予測のためのリアルタイム処理能力などを含む。

関連論文リスト

• Reasoning-Enhanced Healthcare Predictions with Knowledge Graph Community Retrieval [61.70489848327436]
  KAREは、知識グラフ(KG)コミュニティレベルの検索と大規模言語モデル(LLM)推論を統合する新しいフレームワークである。 MIMIC-IIIでは最大10.8～15.0%、MIMIC-IVでは12.6～12.7%である。
  論文  参考訳（メタデータ） (2024-10-06T18:46:28Z)
• Machine Learning Applications in Medical Prognostics: A Comprehensive Review [0.0]
  機械学習(ML)は、高度なアルゴリズムと臨床データを統合することで、医学的診断に革命をもたらした。 RFモデルは高次元データの処理において堅牢な性能を示す。 CNNは、がん検出において異常な精度を示している。 LSTMネットワークは、時間的データの解析に優れ、臨床劣化の正確な予測を提供する。
  論文  参考訳（メタデータ） (2024-08-05T09:41:34Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• LLMs-based Few-Shot Disease Predictions using EHR: A Novel Approach Combining Predictive Agent Reasoning and Critical Agent Instruction [38.11497959553319]
  本研究では,構造化患者訪問データを自然言語物語に変換するための大規模言語モデルの適用可能性について検討する。 様々なERH予測指向のプロンプト戦略を用いて,LLMのゼロショット性能と少数ショット性能を評価した。 提案手法を用いることで,従来のERHによる疾患予測の教師付き学習法と比較して,LLMの精度は極めて低いことが示唆された。
  論文  参考訳（メタデータ） (2024-03-19T18:10:13Z)
• Comprehensive evaluation of Mal-API-2019 dataset by machine learning in malware detection [0.5475886285082937]
  本研究では,機械学習技術を用いたマルウェア検出の徹底的な検討を行う。 その目的は、脅威をより効果的に識別し緩和することで、サイバーセキュリティの能力を向上させることである。
  論文  参考訳（メタデータ） (2024-03-04T17:22:43Z)
• The Significance of Machine Learning in Clinical Disease Diagnosis: A Review [0.0]
  本研究では、時系列医療指標における心拍データの伝達を改善するための機械学習アルゴリズムの能力について検討する。 検討中の要因は、アルゴリズムの利用、対象とする疾患の種類、採用されるデータの種類、応用、評価指標などである。
  論文  参考訳（メタデータ） (2023-10-25T20:28:22Z)
• Kernel-Based Distributed Q-Learning: A Scalable Reinforcement Learning Approach for Dynamic Treatment Regimes [37.06048335758881]
  本稿では,動的処理系を生成するための分散Q-ラーニングアルゴリズムを提案する。 提案アルゴリズムは従来の線形Q-ラーニングよりも優れており,予測精度と計算コストの両方でよく使用される深層Q-ラーニングよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-02-21T04:15:34Z)
• Detecting Shortcut Learning for Fair Medical AI using Shortcut Testing [62.9062883851246]
  機械学習は医療の改善に大いに貢献するが、その利用が健康格差を広めたり増幅したりしないことを確実にすることは重要である。 アルゴリズムの不公平性の潜在的な要因の1つ、ショートカット学習は、トレーニングデータにおける不適切な相関に基づいてMLモデルが予測した時に発生する。 マルチタスク学習を用いて,臨床MLシステムの公平性評価の一環として,ショートカット学習の評価と緩和を行う手法を提案する。
  論文  参考訳（メタデータ） (2022-07-21T09:35:38Z)
• Benchmarking Heterogeneous Treatment Effect Models through the Lens of Interpretability [82.29775890542967]
  治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。 ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。 我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
  論文  参考訳（メタデータ） (2022-06-16T17:59:05Z)
• Time Series Prediction using Deep Learning Methods in Healthcare [0.0]
  従来の機械学習手法は、医療予測分析タスクを扱う上で2つの大きな課題に直面している。 医療データの高次元的な性質は、新しいタスクごとに適切な機能のセットを選択するために、労働集約的なプロセスを必要とする。 近年の深層学習手法は、様々な医療予測タスクに有望な性能を示した。
  論文  参考訳（メタデータ） (2021-08-30T18:14:27Z)
• Supply of engineering techniques and software design patterns in psychoanalysis and psychometrics sciences [0.0]
  本研究の目的は、心理療法におけるCBT法(認知行動療法)の弱点を改善するために、ソフトウェア技術、モデル、人工知能アルゴリズムを導入することである。 本研究の目的は、隠れた人間の変数が検査結果から推測される心理測定実験の実装である。
  論文  参考訳（メタデータ） (2021-08-16T08:36:37Z)

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。