論文の概要: PhilHumans: Benchmarking Machine Learning for Personal Health
- arxiv url: http://arxiv.org/abs/2405.02770v2
- Date: Thu, 16 May 2024 17:24:01 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-17 18:15:48.772840
- Title: PhilHumans: Benchmarking Machine Learning for Personal Health
- Title（参考訳）: PhilHumans: 個人の健康のために機械学習をベンチマークする
- Authors: Vadim Liventsev, Vivek Kumar, Allmin Pradhap Singh Susaiyah, Zixiu Wu, Ivan Rodin, Asfand Yaar, Simone Balloccu, Marharyta Beraziuk, Sebastiano Battiato, Giovanni Maria Farinella, Aki Härmä, Rim Helaoui, Milan Petkovic, Diego Reforgiato Recupero, Ehud Reiter, Daniele Riboni, Raymond Sterling,
- Abstract要約: 医療における機械学習の使用は、患者の成果を改善し、医療のリーチと手頃な価格を拡大する可能性がある。
HUman-Machine Natural Interaction (PhilHumans)を活用するPersonal Health Interfaceを紹介します。
- 参考スコア（独自算出の注目度）: 22.151640184702377
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The use of machine learning in Healthcare has the potential to improve patient outcomes as well as broaden the reach and affordability of Healthcare. The history of other application areas indicates that strong benchmarks are essential for the development of intelligent systems. We present Personal Health Interfaces Leveraging HUman-MAchine Natural interactions (PhilHumans), a holistic suite of benchmarks for machine learning across different Healthcare settings - talk therapy, diet coaching, emergency care, intensive care, obstetric sonography - as well as different learning settings, such as action anticipation, timeseries modeling, insight mining, language modeling, computer vision, reinforcement learning and program synthesis
- Abstract（参考訳）: 医療における機械学習の利用は、患者の成果を改善し、医療のリーチと手頃な価格を拡大する可能性がある。
他の応用分野の歴史は、インテリジェントシステムの開発には強力なベンチマークが不可欠であることを示している。
我々は、HUman-Machine Natural Interaction(PhilHumans)を活用し、さまざまなヘルスケア設定、トークセラピー、ダイエットコーチング、緊急ケア、集中治療、産科ソノグラフィー、さらにはアクション予測、タイムリーモデリング、時間モデリング、インサイトマイニング、言語モデリング、コンピュータビジョン、強化学習、プログラム合成など、さまざまな学習設定を含む、機械学習のための総合的なベンチマークスイートであるPhilHumansを紹介します。
関連論文リスト
- A Survey of Medical Vision-and-Language Applications and Their Techniques [48.268198631277315]
医療ビジョン・アンド・ランゲージモデル(MVLM)は、複雑な医療データを解釈するための自然言語インタフェースを提供する能力から、大きな関心を集めている。
本稿では,MVLMの概要と適用した各種医療課題について概観する。
また、これらのタスクに使用するデータセットについても検討し、標準化された評価指標に基づいて異なるモデルの性能を比較した。
論文 参考訳（メタデータ） (2024-11-19T03:27:05Z) - 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) - Zero Shot Health Trajectory Prediction Using Transformer [11.660997334071952]
ETHOS(Enhanced Transformer for Health Outcome Simulation)は、健康データ解析のためのトランスフォーマーディープラーニングアーキテクチャの新しい応用である。
ETHOSは、将来の健康軌道を予測するために、患者健康時間線(PHT)の詳細とトークン化された健康イベントの記録を使用して訓練されている。
論文 参考訳（メタデータ） (2024-07-30T18:33:05Z) - Privacy-preserving machine learning for healthcare: open challenges and
future perspectives [72.43506759789861]
医療におけるプライバシー保護機械学習(PPML)に関する最近の文献を概観する。
プライバシ保護トレーニングと推論・アズ・ア・サービスに重点を置いています。
このレビューの目的は、医療におけるプライベートかつ効率的なMLモデルの開発をガイドすることである。
論文 参考訳（メタデータ） (2023-03-27T19:20:51Z) - AI Approaches in Processing and Using Data in Personalized Medicine [0.0]
高度な人工知能技術は、そのようなビッグデータを分析し、それらを消費し、パーソナライズされた医療決定をサポートするための新しい知識を導き出す機会を提供する。
高度な機械学習、フェデレートドラーニング、トランスファーラーニング、説明可能な人工知能といった新しいアプローチは、将来的に健康データや医療データをより高品質に活用するための新たな道を開く。
論文 参考訳（メタデータ） (2022-07-26T11:11:39Z) - MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence
using Federated Evaluation [110.31526448744096]
この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。
MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
論文 参考訳（メタデータ） (2021-09-29T18:09:41Z) - Smart Healthcare in the Age of AI: Recent Advances, Challenges, and
Future Prospects [3.3336265497547126]
スマートヘルスケアシステムは近年関心が高まりつつあるトピックであり、現代技術における大きな発展のためにますます必要となってきた。
本研究の目的は、健康モニタリングのためのウェアラブルやスマートフォンデバイス、疾患診断のための機械学習、環境支援生活環境向けに開発された社会ロボットを含む支援フレームワークなど、主要な分野を取り上げ、現在最先端のスマートヘルスケアシステムについて議論することである。
論文 参考訳（メタデータ） (2021-06-24T05:10:47Z) - CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
中国初のバイオメディカル言語理解評価ベンチマークを提示する。
名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。
本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
論文 参考訳（メタデータ） (2021-06-15T12:25:30Z) - The Medkit-Learn(ing) Environment: Medical Decision Modelling through
Simulation [81.72197368690031]
医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。
Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
論文 参考訳（メタデータ） (2021-06-08T10:38:09Z) - Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。
治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。
この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文 参考訳（メタデータ） (2021-05-03T21:20:20Z)
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。