論文の概要: Deep Representation Learning for Multi-functional Degradation Modeling of Community-dwelling Aging Population
- arxiv url: http://arxiv.org/abs/2404.05613v1
- Date: Mon, 8 Apr 2024 15:40:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-09 13:55:49.082039
- Title: Deep Representation Learning for Multi-functional Degradation Modeling of Community-dwelling Aging Population
- Title（参考訳）: 地域在住高齢者の多機能劣化モデルのための深層表現学習
- Authors: Suiyao Chen, Xinyi Liu, Yulei Li, Jing Wu, Handong Yao,
- Abstract要約: 本研究では,多機能劣化モデリングのための新しいフレームワークを提案する。
本手法は,高齢者の健康史から健康劣化のスコアを予測し,潜伏した不均一性を明らかにする。
実際のケーススタディでは、高齢者の劣化の複雑なダイナミクスを正確にモデル化する上で、有効性を示し、重要な貢献をしている。
- 参考スコア（独自算出の注目度）: 12.06459578464237
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As the aging population grows, particularly for the baby boomer generation, the United States is witnessing a significant increase in the elderly population experiencing multifunctional disabilities. These disabilities, stemming from a variety of chronic diseases, injuries, and impairments, present a complex challenge due to their multidimensional nature, encompassing both physical and cognitive aspects. Traditional methods often use univariate regression-based methods to model and predict single degradation conditions and assume population homogeneity, which is inadequate to address the complexity and diversity of aging-related degradation. This study introduces a novel framework for multi-functional degradation modeling that captures the multidimensional (e.g., physical and cognitive) and heterogeneous nature of elderly disabilities. Utilizing deep learning, our approach predicts health degradation scores and uncovers latent heterogeneity from elderly health histories, offering both efficient estimation and explainable insights into the diverse effects and causes of aging-related degradation. A real-case study demonstrates the effectiveness and marks a pivotal contribution to accurately modeling the intricate dynamics of elderly degradation, and addresses the healthcare challenges in the aging population.
- Abstract（参考訳）: 高齢化が進むにつれて、特にベビーブーム世代は、多機能障害を経験する高齢者の著しい増加を目の当たりにしている。
これらの障害は、様々な慢性疾患、怪我、障害から発生し、身体的側面と認知的側面の両方を包含する多次元的な性質から複雑な課題を呈する。
従来の手法では、単変量回帰に基づく手法を用いて、単一劣化条件をモデル化し予測し、人口の均一性を仮定するが、これは老化に伴う劣化の複雑さと多様性に対処するには不十分である。
本研究では,高齢者の多次元的(身体的・認知的)および異種性を考慮した多機能劣化モデルを提案する。
深層学習を応用して,高齢者の健康史から健康劣化のスコアを予測し,老化関連劣化の多様な影響と原因について,効率的な推定と説明可能な知見を提供する。
実際のケーススタディでは、高齢化の複雑なダイナミクスを正確にモデル化し、高齢化における医療上の課題に対処するために、有効性を示し、重要な貢献をしている。
関連論文リスト
- Diverse and Lifespan Facial Age Transformation Synthesis with Identity Variation Rationality Metric [12.438204529412706]
人間の顔にディバース・ライフスパン・エイジ・トランスフォーメーションを実現するために、$rmDLATboldsymbol+$を導入する。
モデルに埋め込まれた多様性のメカニズムとは別に、複数の一貫性の制限が活用され、反ファクト的な老化合成を防ぐことができる。
論文 参考訳（メタデータ） (2024-01-25T09:26:08Z) - Pluralistic Aging Diffusion Autoencoder [63.50599304294062]
顔の老化は、複数のプラプシブルな老化パターンが与えられた入力に対応する可能性があるため、不適切な問題である。
本稿では,CLIP駆動型多言語時効拡散オートエンコーダを提案する。
論文 参考訳（メタデータ） (2023-03-20T13:20:14Z) - Development of deep biological ages aware of morbidity and mortality
based on unsupervised and semi-supervised deep learning approaches [3.8240573706733514]
既存の生物学的年齢推定の深層学習法は通常、時系列年齢と死亡率と死亡率の考慮の欠如に依存している。
本稿では,生物老化の潜在的表現を被験者の死亡率と死亡率に関して学習するための新しい深層学習モデルを提案する。
論文 参考訳（メタデータ） (2023-02-01T08:54:00Z) - Continual Learning with Bayesian Model based on a Fixed Pre-trained
Feature Extractor [55.9023096444383]
現在のディープラーニングモデルは、新しいクラスを学ぶ際に古い知識を破滅的に忘れることによって特徴づけられる。
人間の脳における新しい知識の学習プロセスに着想を得て,連続学習のためのベイズ生成モデルを提案する。
論文 参考訳（メタデータ） (2022-04-28T08:41:51Z) - LAE : Long-tailed Age Estimation [52.5745217752147]
まず、簡単な標準ベースラインを定式化し、事前トレーニング、データ拡張、モデルアーキテクチャなどのトリックを収集することで、はるかに強力なベースラインを構築します。
標準ベースラインと比較して,提案手法は推定誤差を著しく低減する。
本稿では,Long-tailed Age Estimation (LAE) という2段階の学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-25T09:05:44Z) - Deep Collaborative Multi-Modal Learning for Unsupervised Kinship
Estimation [53.62256887837659]
キンシップ検証は、コンピュータビジョンにおける長年の研究課題である。
本稿では,顔特性に表される基礎情報を統合するために,新しい協調型多モーダル学習(DCML)を提案する。
我々のDCML法は、常に最先端のキンシップ検証法よりも優れている。
論文 参考訳（メタデータ） (2021-09-07T01:34:51Z) - A Diffeomorphic Aging Model for Adult Human Brain from Cross-Sectional
Data [3.2188961353850187]
そこで本稿では,異なる時点の被験者の画像を用いて,与えられた人口の老化モデルを構築する手法を提案する。
提案手法は,2つの公開断面データセット上で有効に検証される。
論文 参考訳（メタデータ） (2021-06-28T10:04:05Z) - Modeling differential rates of aging using routine laboratory data;
Implications for morbidity and health care expenditure [0.0]
変動オートエンコーダを用いて2016年から2019年にかけて収集された14万個体の定期的な実験実験から、横断的データから加齢率を推定した。
次に, 高齢化率と医療費の関係について検討した。
その結果,異なる次元の年齢を理解する方法として,断面実験データを活用できることが示唆された。
論文 参考訳（メタデータ） (2021-03-17T11:34:42Z) - Muti-view Mouse Social Behaviour Recognition with Deep Graphical Model [124.26611454540813]
マウスの社会的行動分析は神経変性疾患の治療効果を評価する貴重なツールである。
マウスの社会行動の豊かな記述を創出する可能性から、ネズミの観察にマルチビュービデオ記録を使用することは、ますます注目を集めている。
本稿では,ビュー固有のサブ構造とビュー共有サブ構造を協調的に学習する,新しい多視点潜在意識・動的識別モデルを提案する。
論文 参考訳（メタデータ） (2020-11-04T18:09:58Z) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z) - Pursuing Sources of Heterogeneity in Modeling Clustered Population [16.936362485508774]
不均一な追従と特徴選択を同時に達成するために、正規化有限混合効果回帰を提案する。
これらの効果の制約付きスパース推定は、共通の効果を持つ変数と不均一な効果を持つ変数の両方を同定する。
アルツハイマー病の遺伝的要因と脳の特徴を関連付けるための画像遺伝学研究、青年期における自殺リスクと学区の特徴との関係を探る公衆衛生学研究、野球選手の給与水準がパフォーマンスと契約状態とどのように関連しているかを理解するためのスポーツ分析研究の3つの応用が提示されている。
論文 参考訳（メタデータ） (2020-03-10T14:59:35Z)
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。