論文の概要: IoT-Based Preventive Mental Health Using Knowledge Graphs and Standards for Better Well-Being
- arxiv url: http://arxiv.org/abs/2406.13791v3
- Date: Mon, 21 Oct 2024 16:55:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-22 13:15:22.803249
- Title: IoT-Based Preventive Mental Health Using Knowledge Graphs and Standards for Better Well-Being
- Title(参考訳): 知識グラフと健康改善のための標準を用いたIoTベースのメンタルヘルス
- Authors: Amelie Gyrard, Seyedali Mohammadi, Manas Gaur, Antonio Kung,
- Abstract要約: デジタル技術は持続可能な開発目標3をサポートすることができる。
健康と幸福」は健康な生活を保証し、あらゆる年齢の幸福を促進する。
燃え尽き症候群やうつ病は 予防的健康を増すことで減らせる
- 参考スコア(独自算出の注目度): 8.437366120438156
- License:
- Abstract: Sustainable Development Goals (SDGs) give the UN a road map for development with Agenda 2030 as a target. SDG3 "Good Health and Well-Being" ensures healthy lives and promotes well-being for all ages. Digital technologies can support SDG3. Burnout and even depression could be reduced by encouraging better preventive health. Due to the lack of patient knowledge and focus to take care of their health, it is necessary to help patients before it is too late. New trends such as positive psychology and mindfulness are highly encouraged in the USA. Digital Twins (DTs) can help with the continuous monitoring of emotion using physiological signals (e.g., collected via wearables). DTs facilitate monitoring and provide constant health insight to improve quality of life and well-being with better personalization. Healthcare DTs challenges are standardizing data formats, communication protocols, and data exchange mechanisms. As an example, ISO has the ISO/IEC JTC 1/SC 41 Internet of Things (IoT) and DTs Working Group, with standards such as "ISO/IEC 21823-3:2021 IoT - Interoperability for IoT Systems - Part 3 Semantic interoperability", "ISO/IEC CD 30178 - IoT - Data format, value and coding". To achieve those data integration and knowledge challenges, we designed the Mental Health Knowledge Graph (ontology and dataset) to boost mental health. As an example, explicit knowledge is described such as chocolate contains magnesium which is recommended for depression. The Knowledge Graph (KG) acquires knowledge from ontology-based mental health projects classified within the LOV4IoT ontology catalog (Emotion, Depression, and Mental Health). Furthermore, the KG is mapped to standards when possible. Standards from ETSI SmartM2M can be used such as SAREF4EHAW to represent medical devices and sensors, but also ITU/WHO, ISO, W3C, NIST, and IEEE standards relevant to mental health can be considered.
- Abstract(参考訳): 持続可能な開発目標(SDG)は、国連にアジェンダ2030を目標とする開発のためのロードマップを与える。
SDG3 "Good Health and Well-Being" は健康な生活を保証し、あらゆる年齢の幸福を促進する。
デジタル技術はSDG3をサポートすることができる。
燃え尽き症候群や抑うつは予防的な健康を促進することで軽減される。
患者の知識が不足し、健康管理に焦点が当てられているため、遅すぎる前に患者を助ける必要がある。
米国では、ポジティブ心理学やマインドフルネスといった新しい傾向が強く推奨されている。
デジタルツイン(DT)は生理的信号(ウェアラブル経由で収集するなど)を用いて感情の継続的なモニタリングを支援する。
DTはモニタリングを容易にし、生活の質を改善し、パーソナライズを向上する健康的な洞察を提供する。
医療DTの課題は、データフォーマット、通信プロトコル、データ交換メカニズムの標準化である。
例えば、ISOにはISO/IEC JTC 1/SC 41 Internet of Things (IoT)とDTs Working Groupがあり、"ISO/IEC 21823-3:2021 IoT - IoT Systems - Part 3 セマンティック相互運用性、"ISO/IEC CD 30178 - IoT - データフォーマット、バリュー、コーディング"などの標準がある。
データ統合と知識の課題を達成するために、メンタルヘルスの健康を高めるためにメンタルヘルス知識グラフ(オントロジーとデータセット)を設計しました。
例えば、チョコレートにはうつ病に推奨されるマグネシウムが含まれているなど、明確な知識が記述されている。
知識グラフ(KG)は、LOV4IoTオントロジーカタログ(感情、抑うつ、精神保健)に分類されるオントロジーに基づくメンタルヘルスプロジェクトから知識を取得する。
さらに、KGは可能な限り標準にマッピングされる。
SAREF4EHAWのようなETSI SmartM2Mの標準は医療機器やセンサーを表すのに利用できるが、ITU/WHO、ISO、W3C、NIST、IEEEなどのメンタルヘルスに関する標準も考慮できる。
関連論文リスト
- Proactive Emotion Tracker: AI-Driven Continuous Mood and Emotion
Monitoring [2.271910267215261]
このプロジェクトは、今日のデジタル時代のメンタルヘルスの課題に対処することを目的としている。
修正されたトレーニング済みBERTモデルを使用して、ソーシャルメディアやユーザのWebブラウジングデータ内の落ち込んだテキストを検出し、93%のテスト精度を実現している。
論文 参考訳(メタデータ) (2024-01-24T15:05:11Z) - 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) - A Hybrid Approach for Depression Classification: Random Forest-ANN
Ensemble on Motor Activity Signals [4.798808180453298]
ウェアラブルセンサーは、メンタルヘルスの問題を追跡し、理解する潜在的な手段を提供する。
近年の研究では、これらのセンサーと機械学習の手法を併用して、異なる精神状態に関連するパターンを特定している。
本稿では、うつ病患者のセンサデータを評価するために最適化されたHybrid Random forest - Neural Networkと呼ばれる新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-10-13T17:39:35Z) - A Revolution of Personalized Healthcare: Enabling Human Digital Twin
with Mobile AIGC [54.74071593520785]
モバイルAIGCは、ヒューマンデジタルツイン(HDT)と呼ばれる新興アプリケーションのキーとなる技術である
モバイルAIGCによって強化されたHDTは、まれな疾患データを生成し、高忠実なデジタルツインをモデル化し、多目的テストベッドを構築し、24/7のカスタマイズ医療サービスを提供することで、パーソナライズされたヘルスケアに革命をもたらすことが期待されている。
論文 参考訳(メタデータ) (2023-07-22T15:59:03Z) - A Review on Knowledge Graphs for Healthcare: Resources, Applications,
and Promises [53.48844796428081]
この研究は、医療知識グラフ(HKG)の最初の包括的なレビューを提供する。
HKG構築のためのパイプラインと重要なテクニックを要約し、一般的な利用方法も示す。
アプリケーションレベルでは、さまざまなヘルスドメインにわたるHKGの正常な統合を検討します。
論文 参考訳(メタデータ) (2023-06-07T21:51:56Z) - UATTA-EB: Uncertainty-Aware Test-Time Augmented Ensemble of BERTs for
Classifying Common Mental Illnesses on Social Media Posts [0.0]
UATTA-EB: Uncertainty-Aware Test-Time Augmented Ensembling of BERTs for produce reliable and well-calibrated predictions。
Reddit上の非構造化ユーザデータを分析して、None、Depression、Anxiety、Bipolar disorder、ADHD、PTSDの6種類の精神疾患の分類を行う。
論文 参考訳(メタデータ) (2023-04-10T12:18:53Z) - Towards Knowledge-based Mining of Mental Disorder Patterns from Textual
Data [0.0]
メンタルヘルス障害は、すべての国の経済と健康に深刻な影響をもたらす可能性がある。
精神疾患の早期徴候の特定は不可欠である。
例えば、うつ病は個人の自殺リスクを高める可能性がある。
論文 参考訳(メタデータ) (2022-07-07T10:04:43Z) - Mental Illness Classification on Social Media Texts using Deep Learning
and Transfer Learning [55.653944436488786]
世界保健機関(WHO)によると、約4億5000万人が影響を受ける。
うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。
本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
論文 参考訳(メタデータ) (2022-07-03T11:33:52Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳(メタデータ) (2020-11-17T15:18:38Z) - 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)
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。