論文の概要: WUDI: A Human Involved Self-Adaptive Framework to Prevent Childhood Obesity in Internet of Things Environment

• arxiv url: http://arxiv.org/abs/2308.15944v1
• Date: Wed, 30 Aug 2023 10:52:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 11:53:17.669666
• Title: WUDI: A Human Involved Self-Adaptive Framework to Prevent Childhood Obesity in Internet of Things Environment
• Title（参考訳）: wudi: モノのインターネット環境における幼児肥満予防のための自己適応型フレームワーク
• Authors: Euijong Lee, Jaemin Jung, Gee-Myung Moon, Seong-Whan Lee, and Ji-Hoon Jeong
• Abstract要約: IoT環境からのライフログデータを使用することで、幼児の肥満を防止するための自己適応型フレームワークが提案されている。 このフレームワークは、アンサンブルベースの学習モデルを使用して、ライフログデータを用いて肥満を予測する。 提案フレームワークは、小児肥満の医療サービスに応用できる。
• 参考スコア（独自算出の注目度）: 25.046936884407017
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Internet of Things (IoT) connects people, devices, and information resources, in various domains to improve efficiency. The healthcare domain has been transformed by the integration of the IoT, leading to the development of digital healthcare solutions such as health monitoring, emergency detection, and remote operation. This integration has led to an increase in the health data collected from a variety of IoT sources. Consequently, advanced technologies are required to analyze health data, and artificial intelligence has been employed to extract meaningful insights from the data. Childhood overweight and obesity have emerged as some of the most serious global public health challenges, as they can lead to a variety of health-related problems and the early development of chronic diseases. To address this, a self-adaptive framework is proposed to prevent childhood obesity by using lifelog data from IoT environments, with human involvement being an important consideration in the framework. The framework uses an ensemble-based learning model to predict obesity using the lifelog data. Empirical experiments using lifelog data from smartphone applications were conducted to validate the effectiveness of human involvement and obesity prediction. The results demonstrated the efficiency of the proposed framework with human involvement in obesity prediction. The proposed framework can be applied in real-world healthcare services for childhood obesity.
• Abstract（参考訳）: IoT(Internet of Things)は、さまざまなドメイン内の人々、デバイス、情報リソースを接続して、効率を向上させる。 ヘルスケア領域は、iotの統合によって変革され、健康監視、緊急検出、遠隔操作といったデジタル医療ソリューションの開発につながった。 この統合は、さまざまなIoTソースから収集された健康データの増加につながった。 その結果、健康データ分析には高度な技術が必要となり、データから意味のある洞察を抽出するために人工知能が用いられている。 子どもの体重と肥満は、様々な健康問題や慢性疾患の早期発生につながるため、最も深刻な公衆衛生上の課題の1つとして浮上している。 これに対処するために,iot環境からライフログデータを使用することで,幼児の肥満を防止するための自己適応型フレームワークが提案されている。 このフレームワークは、アンサンブルベースの学習モデルを使用して、ライフログデータを用いて肥満を予測する。 スマートフォンアプリケーションからのライフログデータを用いた実証実験を行い,ヒトの関与と肥満予測の有効性を検証した。 その結果,肥満予測にヒトが関与する枠組みの有効性が示された。 このフレームワークは、小児肥満のための現実世界の医療サービスに適用することができる。

関連論文リスト

• The Digital Transformation in Health: How AI Can Improve the Performance of Health Systems [2.8351008282227266]
  モバイルヘルスは、医療提供と患者のエンゲージメントに革命をもたらす可能性がある。 適応的な介入の配信を可能にする人工知能と強化学習プラットフォームを提案する。 このプラットフォームの柔軟性は、さまざまなモバイルヘルスアプリケーションやデジタルデバイスに接続し、パーソナライズされたレコメンデーションを送信することで、デジタルツールがヘルスシステムの結果に与える影響を大幅に改善することができる。
  論文  参考訳（メタデータ） (2024-09-24T13:52:15Z)
• Harnessing the Digital Revolution: A Comprehensive Review of mHealth Applications for Remote Monitoring in Transforming Healthcare Delivery [1.03590082373586]
  このレビューでは、遠隔医療プラットフォーム、慢性疾患管理用のモバイルアプリ、ウェアラブルデバイスなど、リモート監視に使用されるさまざまなタイプのmHealthアプリケーションを強調している。 これらの応用の利点は、患者の成果の改善、医療へのアクセスの向上、医療費の削減、医療格差への対処である。 しかしながら、プライバシやセキュリティ上の懸念、技術的なインフラストラクチャの欠如、規制のイシュー、データの正確性、ユーザの遵守、ディジタルディビジョンといった課題や制限には対処する必要がある。
  論文  参考訳（メタデータ） (2024-08-26T11:32:43Z)
• Generative AI-Driven Human Digital Twin in IoT-Healthcare: A Comprehensive Survey [53.691704671844406]
  IoT(Internet of Things)は、特にヘルスケアにおいて、人間の生活の質を大幅に向上させる。 ヒトデジタルツイン(HDT)は、個体の複製を包括的に特徴付ける革新的なパラダイムとして提案されている。 HDTは、多用途で生き生きとした人間のデジタルテストベッドとして機能することで、医療監視の応用を超えて、IoTヘルスの強化を図っている。 最近、生成人工知能(GAI)は、高度なAIアルゴリズムを利用して、多種多様なデータを自動的に生成、操作、修正できるため、有望なソリューションである可能性がある。
  論文  参考訳（メタデータ） (2024-01-22T03:17:41Z)
• 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)
• DeepHealthNet: Adolescent Obesity Prediction System Based on a Deep Learning Framework [27.82565790353953]
  小児および青年期の肥満率は、肥満が慢性疾患や長期の健康リスクと関連しているため、世界的な懸念である。 本研究は,肥満関連健康問題の早期発見と予防の重要性を強調した。 肥満率予測のための堅牢なアルゴリズムを開発するためには、身長、体重、腰回り、カロリー摂取量、身体活動量、その他の健康情報などの要因を考慮する必要がある。
  論文  参考訳（メタデータ） (2023-08-28T15:40:31Z)
• Blockchain-empowered Federated Learning for Healthcare Metaverses: User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
  まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。 次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
  論文  参考訳（メタデータ） (2023-07-29T12:54:03Z)
• A Comprehensive Picture of Factors Affecting User Willingness to Use Mobile Health Applications [62.60524178293434]
  本研究の目的は,mHealthアプリのユーザ受け入れに影響を与える要因を検討することである。 利用者のデジタルリテラシーは、個人情報を共有するオンライン習慣に続き、使用意欲に最も強い影響を与える。 居住国、年齢、民族、教育などの利用者の人口統計学的背景は、顕著な緩和効果がある。
  論文  参考訳（メタデータ） (2023-05-10T08:11:21Z)
• An Urban Population Health Observatory for Disease Causal Pathway Analysis and Decision Support: Underlying Explainable Artificial Intelligence Model [0.966840768820136]
  本研究は,既存の都市人口健康観測所(UPHO)を拡充することを目的としている。 機械学習とセマンティック/論理的推論を利用する凝集的なアプローチは、疾患につながる経路を明らかにする。 UPHOの応用は、健康格差を減らし、都市住民の健康を改善するのに役立つ。
  論文  参考訳（メタデータ） (2022-07-26T15:59:22Z)
• Vision-Based Food Analysis for Automatic Dietary Assessment [49.32348549508578]
  本総説では, 食品画像分析, 容積推定, 栄養素抽出の3段階からなる, 統合型ビジョンベース食事評価(VBDA)の枠組みを概説する。 深層学習により、VBDAは徐々にエンドツーエンドの実装へと移行し、単一のネットワークに食品画像を適用して栄養を直接見積もる。
  論文  参考訳（メタデータ） (2021-08-06T05:46:01Z)
• Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
  ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。 多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
  論文  参考訳（メタデータ） (2020-09-21T03:45:14Z)
• Collecting big behavioral data for measuring behavior against obesity [4.879286072217533]
  個人レベルの行動情報を客観的かつ自動的に抽出・収集するシステムを提案する。 行動情報は、身体活動、訪問場所の種類、それらの間の移動モードに関連している。 このシステムは、若年層の肥満を防ぐことを目的として、EUが出資するBigOプロジェクト(英語版)の文脈で開発され、統合されている。
  論文  参考訳（メタデータ） (2020-05-11T08:51:07Z)

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。

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。