論文の概要: Uncertainty-Aware Environment Simulation of Medical Devices Digital Twins
- arxiv url: http://arxiv.org/abs/2410.03504v1
- Date: Fri, 4 Oct 2024 15:17:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-02 21:50:00.691408
- Title: Uncertainty-Aware Environment Simulation of Medical Devices Digital Twins
- Title（参考訳）: 医療機器ディジタル双生児の不確実性を考慮した環境シミュレーション
- Authors: Hassan Sartaj, Shaukat Ali, Julie Marie Gjøby,
- Abstract要約: 本稿では,医療機器のディジタル双生児の環境をモデル化し,シミュレーションするためのモデルベースアプローチ(EnvDT)を提案する。
実世界のIoTベースのヘルスケアアプリケーションに接続された3つの薬品ディスペンサー、Karie, Medido, Pillyを使用して、EnvDTを実証的に評価した。
- 参考スコア（独自算出の注目度）: 3.229371159969159
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Smart medical devices are an integral component of the healthcare Internet of Things (IoT), providing patients with various healthcare services through an IoT-based application. Ensuring the dependability of such applications through system and integration-level testing mandates the physical integration of numerous medical devices, which is costly and impractical. In this context, digital twins of medical devices play an essential role in facilitating testing automation. Testing with digital twins without accounting for uncertain environmental factors of medical devices leaves many functionalities of IoT-based healthcare applications untested. In addition, digital twins operating without environmental factors remain out of sync and uncalibrated with their corresponding devices functioning in the real environment. To deal with these challenges, in this paper, we propose a model-based approach (EnvDT) for modeling and simulating the environment of medical devices' digital twins under uncertainties. We empirically evaluate the EnvDT using three medicine dispensers, Karie, Medido, and Pilly connected to a real-world IoT-based healthcare application. Our evaluation targets analyzing the coverage of environment models and the diversity of uncertain scenarios generated for digital twins. Results show that EnvDT achieves approximately 61% coverage of environment models and generates diverse uncertain scenarios (with a near-maximum diversity value of 0.62) during multiple environmental simulations.
- Abstract（参考訳）: スマートメディカルデバイスは、IoT(Health Internet of Things)の不可欠なコンポーネントであり、IoTベースのアプリケーションを通じて、さまざまなヘルスケアサービスを提供する。
システムと統合レベルのテストを通じて、そのようなアプリケーションの信頼性を確保することは、多くの医療機器の物理的統合を義務付ける。
この文脈では、医療機器のデジタルツインが、自動化テストの促進に不可欠な役割を担っている。
医療機器の不確実な環境要因を考慮せずに、デジタルツインでテストすることは、IoTベースの医療アプリケーションに未検証の機能を残している。
さらに、環境要因のないディジタル双生児は、実際の環境で機能する対応するデバイスと同期し、未調整のままである。
本稿では,医療機器のディジタル双生児の環境をモデル化し,シミュレーションするためのモデルベースアプローチ(EnvDT)を提案する。
実世界のIoTベースのヘルスケアアプリケーションに接続された3つの薬品ディスペンサー、Karie, Medido, Pillyを使用して、EnvDTを実証的に評価した。
評価対象は,デジタル双生児を対象とした環境モデルと不確実性シナリオの多様性の分析である。
その結果,EnvDTは環境モデルの約61%のカバレッジを達成し,複数の環境シミュレーションにおいて,様々な不確実なシナリオ(最大ダイバーシティ値0.62)を生成することがわかった。
関連論文リスト
- Comprehensive and Practical Evaluation of Retrieval-Augmented Generation Systems for Medical Question Answering [70.44269982045415]
Retrieval-augmented Generation (RAG) は,大規模言語モデル (LLM) の性能向上のための有望なアプローチとして登場した。
医療用QAデータセットに様々な補助的要素を提供するMedRGB(MedRGB)を導入する。
実験結果から,検索した文書のノイズや誤情報の処理能力に限界があることが判明した。
論文 参考訳（メタデータ） (2024-11-14T06:19:18Z) - MeDeT: Medical Device Digital Twins Creation with Few-shot Meta-learning [3.229371159969159]
本稿では,医療機器のデジタルツイン(DT)を生成し,進化するデバイスにDTを適用するメタラーニングに基づくアプローチを提案する。
我々は、現実世界の医療用IoTアプリケーションと統合された5つの広く使われている医療機器を用いて、OsloCityのコンテキストでMeDeTを評価する。
論文 参考訳（メタデータ） (2024-10-04T16:43:53Z) - AIPatient: Simulating Patients with EHRs and LLM Powered Agentic Workflow [33.8495939261319]
本稿では,AIPatient Knowledge Graph (AIPatient KG) を入力とし,生成バックボーンとしてReasoning Retrieval-Augmented Generation (RAG) を開発した。
Reasoning RAGは、検索、KGクエリ生成、抽象化、チェッカー、書き直し、要約を含むタスクにまたがる6つのLLMエージェントを活用する。
ANOVA F-value 0.6126, p>0.1, ANOVA F-value 0.782, p>0.1, ANOVA F-value 0.782, p>0.1, ANOVA F-value 0.6126, p>0.1)。
論文 参考訳（メタデータ） (2024-09-27T17:17:15Z) - FEDMEKI: A Benchmark for Scaling Medical Foundation Models via Federated Knowledge Injection [83.54960238236548]
FEDMEKIはデータのプライバシーを守るだけでなく、医療基盤モデルの能力を高める。
FEDMEKIは、医療ファンデーションモデルに対して、直接データを公開することなく、幅広い医療知識から学ぶことを可能にする。
論文 参考訳（メタデータ） (2024-08-17T15:18:56Z) - Meta-Learners for Partially-Identified Treatment Effects Across Multiple Environments [67.80453452949303]
観察データから条件平均治療効果(CATE)を推定することは、パーソナライズされた医療など多くの応用に関係している。
ここでは、観測データが複数の環境からやってくる広範囲な環境に焦点を当てる。
任意の機械学習モデルと組み合わせて使用可能な境界を推定するために、異なるモデルに依存しない学習者(いわゆるメタ学習者)を提案する。
論文 参考訳（メタデータ） (2024-06-04T16:31:43Z) - Socially Pertinent Robots in Gerontological Healthcare [78.35311825198136]
本論文は,パリの保育所における患者と同伴者による2つの実験を通じて,社会的・対話的相互作用能力を備えたフルサイズのヒューマノイドロボットを用いて,この疑問に部分的に答えようとする試みである。
特に、ロボットの知覚とアクションスキルが環境の雑多さに対して堅牢であり、さまざまなインタラクションを扱うために柔軟である場合、ユーザーはこの技術を受け入れる。
論文 参考訳（メタデータ） (2024-04-11T08:43:37Z) - Model-based Digital Twins of Medicine Dispensers for Healthcare IoT
Applications [5.6001750995050985]
本稿では,医療用ディスペンサーのデジタル双生児(DT)の作成と運用のためのモデルに基づくアプローチを提案する。
オスロ市における医療用ディスペンサーを用いた産業用IoTシステムによるアプローチの評価を行った。
論文 参考訳（メタデータ） (2023-12-07T19:52:55Z) - IoMT-Blockchain based Secured Remote Patient Monitoring Framework for
Neuro-Stimulation Device [0.0]
患者からのリアルタイムの知覚データは、ウェアラブルIoMTデバイスの迅速な開発を通じて配信され、分析される。
モノのインターネットからのデータは収集され、分析され、単一の場所に格納される。
分散した性質のため、ブロックチェーン(BC)はこれらの問題を緩和することができる。
論文 参考訳（メタデータ） (2023-08-31T16:59:58Z) - Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。
臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。
我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文 参考訳（メタデータ） (2023-07-26T02:34:57Z) - Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。
GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文 参考訳（メタデータ） (2022-07-20T07:32:02Z) - CheXstray: Real-time Multi-Modal Data Concordance for Drift Detection in
Medical Imaging AI [1.359138408203412]
医用画像AIドリフトモニタリングワークフローを構築してテストし、同時代の地上真実なしにデータとモデルドリフトを追跡する。
主な貢献は,(1)VAEおよび領域特異的統計手法を含む医用画像ドリフト検出のための概念実証である。
この研究は、動的医療環境における継続的医療画像AIモデルモニタリングに関連する翻訳ギャップに対処するために重要な意味を持つ。
論文 参考訳（メタデータ） (2022-02-06T18:58:35Z)
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。