論文の概要: Physio: An LLM-Based Physiotherapy Advisor
- arxiv url: http://arxiv.org/abs/2401.01825v1
- Date: Wed, 3 Jan 2024 16:42:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-04 13:34:15.132881
- Title: Physio: An LLM-Based Physiotherapy Advisor
- Title（参考訳）: 生理学 : LLMベースの理学療法アドバイザ
- Authors: R\'uben Almeida, Hugo Sousa, Lu\'is F. Cunha, Nuno Guimar\~aes,
Ricardo Campos and Al\'ipio Jorge
- Abstract要約: 身体リハビリテーションのためのチャットベースのアプリケーションであるPhyloを提示する。
これらの特徴を組み合わせることで、Phyloは生成モデルのパワーを言語処理に活用することができる。
- 参考スコア（独自算出の注目度）: 1.7487883646615936
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The capabilities of the most recent language models have increased the
interest in integrating them into real-world applications. However, the fact
that these models generate plausible, yet incorrect text poses a constraint
when considering their use in several domains. Healthcare is a prime example of
a domain where text-generative trustworthiness is a hard requirement to
safeguard patient well-being. In this paper, we present Physio, a chat-based
application for physical rehabilitation. Physio is capable of making an initial
diagnosis while citing reliable health sources to support the information
provided. Furthermore, drawing upon external knowledge databases, Physio can
recommend rehabilitation exercises and over-the-counter medication for symptom
relief. By combining these features, Physio can leverage the power of
generative models for language processing while also conditioning its response
on dependable and verifiable sources. A live demo of Physio is available at
https://physio.inesctec.pt.
- Abstract（参考訳）: 最近の言語モデルの能力は、それらを現実世界のアプリケーションに統合することへの関心を高めた。
しかし、これらのモデルが妥当だが不正確なテキストを生成するという事実は、いくつかの領域での使用を考えると制約となる。
医療は、テキスト生成的信頼性が患者の健康を守るための難しい要件であるドメインの典型例です。
本稿では,身体リハビリテーションのためのチャットベースのアプリケーションであるphysioについて述べる。
physioは、提供された情報をサポートする信頼できる健康情報源を引用しながら、初期診断を行うことができる。
さらに,外部知識データベースを参考にして,リハビリテーション運動や症状緩和のための市販薬を推奨する。
これらの特徴を組み合わせることで、Phyloは言語処理に生成モデルのパワーを活用でき、その応答を信頼性と検証可能なソースで条件付けることができる。
physioのライブデモはhttps://physio.inesctec.ptで見ることができる。
関連論文リスト
- Which Client is Reliable?: A Reliable and Personalized Prompt-based Federated Learning for Medical Image Question Answering [51.26412822853409]
本稿では,医学的視覚的質問応答(VQA)モデルのための,パーソナライズド・フェデレーションド・ラーニング(pFL)手法を提案する。
提案手法では,学習可能なプロンプトをTransformerアーキテクチャに導入し,膨大な計算コストを伴わずに,多様な医療データセット上で効率的にトレーニングする。
論文 参考訳（メタデータ） (2024-10-23T00:31:17Z) - Towards World Simulator: Crafting Physical Commonsense-Based Benchmark for Video Generation [51.750634349748736]
テキスト・ツー・ビデオ(T2V)モデルは複雑なプロンプトの可視化に大きく貢献している。
しかし、直感的な物理を正確に表現するこれらのモデルの能力はほとんど解明されていない。
本稿では,T2V生成における物理コモンセンスの正しさを評価するためにPhyGenBenchを導入する。
論文 参考訳（メタデータ） (2024-10-07T17:56:04Z) - The Role of Language Models in Modern Healthcare: A Comprehensive Review [2.048226951354646]
医療における大規模言語モデル(LLM)の適用は注目されている。
本稿では,言語モデルの初期から現在までの軌跡を概観する。
論文 参考訳（メタデータ） (2024-09-25T12:15:15Z) - Modeling Low-Resource Health Coaching Dialogues via Neuro-Symbolic Goal Summarization and Text-Units-Text Generation [8.20753105325103]
健康コーチングは、患者がパーソナライズされたライフスタイル関連の目標を達成するのに役立つ。
本研究は,保健指導員の目標追跡を支援するために,ニューロシンボリックな目標要約器を提案する。
また,患者の不便な反応を測定するための新しい健康コーチングデータセットも提案する。
論文 参考訳（メタデータ） (2024-04-16T03:46:30Z) - A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。
本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。
我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
論文 参考訳（メタデータ） (2024-02-16T18:05:09Z) - A Telerehabilitation System for the Selection, Evaluation and Remote
Management of Therapies [0.044998333629984864]
本論文の主な貢献は、Kinectベースの遠隔リハビリテーションシステム(KiReS)がサポートするすべての機能を示すことである。
知識抽出機能は、患者の理学療法記録と治療プロトコルに関する知識を扱う。
テレメレーション機能は、遠隔リハビリテーションを行う際に便利で、効果的で、ユーザフレンドリーな体験を提供する。
論文 参考訳（メタデータ） (2024-01-16T08:35:36Z) - Benefits and Harms of Large Language Models in Digital Mental Health [40.02859683420844]
大型言語モデル (LLMs) は、デジタルメンタルヘルスを未知の領域に導くことを約束している。
本稿では、デジタルメンタルヘルスツールの設計、開発、実装においてLLMがもたらす可能性とリスクについて、現代の展望を示す。
論文 参考訳（メタデータ） (2023-11-07T14:11:10Z) - Large Language Models are Few-Shot Health Learners [8.549461354297677]
大規模言語モデル(LLM)は、現実世界のタスクに有用な概念のリッチな表現をキャプチャできる。
健康アプリケーションは、モデルを数値データでグラウンド化する必要がある。
数ショットのチューニングで、大規模言語モデルが様々な生理的・行動的時系列データをグラウンド化できることを実証する。
論文 参考訳（メタデータ） (2023-05-24T19:25:16Z) - Towards more patient friendly clinical notes through language models and
ontologies [57.51898902864543]
本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。
我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。
本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
論文 参考訳（メタデータ） (2021-12-23T16:11:19Z) - Designing Personalized Interaction of a Socially Assistive Robot for
Stroke Rehabilitation Therapy [64.52563354823711]
社会支援ロボットの研究は、神経学的および筋骨格疾患の患者に対する理学療法セッションを増強し、支援する可能性がある。
本稿では,運動の質を予測するために,患者個別の運動の運動特性を動的に選択できる社会支援ロボットのインタラクティブなアプローチを提案する。
論文 参考訳（メタデータ） (2020-07-13T16:12:05Z) - ESPRIT: Explaining Solutions to Physical Reasoning Tasks [106.77019206219984]
ESPRITは自然言語における定性的物理学に関する常識推論のためのフレームワークである。
我々のフレームワークは、エージェントや人間が容易に解を推論できるように、物理的シミュレーションがどのように因果的に進化するかを説明することを学ぶ。
人間の評価は、ESPRITが重要な微細な細部を生み出し、人間のアノテーションよりも物理的な概念を高い範囲でカバーしていることを示している。
論文 参考訳（メタデータ） (2020-05-02T07:03:06Z)
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。