論文の概要: MeDeT: Medical Device Digital Twins Creation with Few-shot Meta-learning
- arxiv url: http://arxiv.org/abs/2410.03585v2
- Date: Wed, 04 Dec 2024 12:37:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-05 15:05:39.493106
- Title: MeDeT: Medical Device Digital Twins Creation with Few-shot Meta-learning
- Title（参考訳）: MeDeT:少人数のメタラーニングによる医療機器デジタルツインズ作成
- Authors: Hassan Sartaj, Shaukat Ali, Julie Marie Gjøby,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 3.229371159969159
- License:
- Abstract: Testing healthcare Internet of Things (IoT) applications at system and integration levels necessitates integrating numerous medical devices of various types. Challenges of incorporating medical devices are: (i) their continuous evolution, making it infeasible to include all device variants, and (ii) rigorous testing at scale requires multiple devices and their variants, which is time-intensive, costly, and impractical. Our collaborator, Oslo City's health department, faced these challenges in developing automated test infrastructure, which our research aims to address. In this context, we propose a meta-learning-based approach (MeDeT) to generate digital twins (DTs) of medical devices and adapt DTs to evolving devices. We evaluate MeDeT in OsloCity's context using five widely-used medical devices integrated with a real-world healthcare IoT application. Our evaluation assesses MeDeT's ability to generate and adapt DTs across various devices and versions using different few-shot methods, the fidelity of these DTs, the scalability of operating 1000 DTs concurrently, and the associated time costs. Results show that MeDeT can generate DTs with over 96% fidelity, adapt DTs to different devices and newer versions with reduced time cost (around one minute), and operate 1000 DTs in a scalable manner while maintaining the fidelity level, thus serving in place of physical devices for testing.
- Abstract（参考訳）: システムと統合レベルにおける医療用IoT(Internet of Things)アプリケーションをテストするには、さまざまなタイプの医療機器を統合する必要がある。
医療機器の導入の課題
(i)その連続的な進化により、すべての装置の変種を含ませることが不可能となり、
(ii) 大規模な厳密なテストには複数のデバイスとそのバリエーションが必要で、それは時間集約的でコストがかかり、実用的ではない。
私たちの共同研究者であるOslo City’s Health Departmentは、自動テストインフラストラクチャの開発において、これらの課題に直面しました。
本稿では,医療機器のディジタルツイン(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ベースアプローチ(MeDeT)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。
評価では,様々なデバイスやバージョンにまたがるDTの生成と適応を行うMeDeTの能力,これらのDTの忠実度,1000個のDTの同時動作のスケーラビリティ,関連する時間的コストを評価した。
その結果、MeDeTは96%以上の忠実度でDTを生成し、異なるデバイスや新しいバージョンにDTを適応させ、時間コスト(約1分)を削減し、忠実度レベルを維持しながらスケーラブルな1000のDTを運用でき、テスト用の物理デバイスの代わりに機能することがわかった。
関連論文リスト
- Uncertainty-Aware Environment Simulation of Medical Devices Digital Twins [3.229371159969159]
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。
論文 参考訳（メタデータ） (2024-10-04T15:17:52Z) - 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) - 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) - MultiIoT: Benchmarking Machine Learning for the Internet of Things [70.74131118309967]
次世代の機械学習システムは、物理的世界に対する知覚と相互作用に長けなければならない。
運動、熱、位置情報、深度、無線信号、ビデオ、オーディオからの知覚データは、物理環境の状態をモデル化するためにますます使われています。
既存の取り組みは、しばしば単一の感覚的モダリティまたは予測タスクに特化している。
本稿は、12のモダリティと8つの現実世界タスクから115万以上のサンプルを含む、これまでで最も拡張的で統一されたIoTベンチマークであるMultiIoTを提案する。
論文 参考訳（メタデータ） (2023-11-10T18:13:08Z) - HITA: An Architecture for System-level Testing of Healthcare IoT Applications [5.126355491416586]
本稿では,医療用IoTアプリケーション用に設計された実世界のテストインフラストラクチャソフトウェアアーキテクチャ(HITA)を提案する。
モデルベースおよび機械学習(ML)アプローチを用いて実装したHITAのディジタルツイン(DT)生成コンポーネントを評価する。
論文 参考訳（メタデータ） (2023-09-08T09:14:50Z) - 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) - 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) - HEAR4Health: A blueprint for making computer audition a staple of modern
healthcare [89.8799665638295]
近年、従来の医療システムを変革する試みとして、デジタル医療の研究が急速に増加している。
コンピュータによるオーディションは、少なくとも商業的関心の面では遅れている。
実生活における聴覚信号の分析に必要な基礎技術に対応する聴覚、計算とデータ効率の進歩、個々の差異を考慮し、医療データの長手性を扱う聴覚。
論文 参考訳（メタデータ） (2023-01-25T09:25:08Z) - Relativistic Digital Twin: Bringing the IoT to the Future [2.995426306159199]
複雑なIoTエコシステムは、予測分析を実行し、何のシナリオをシミュレートするために、物理資産のDigital Twins(DT)の使用を必要とすることが多い。
我々はRelativistic Digital Twin(RDT)フレームワークを提案し、IoTエンティティの汎用DTを自動的に生成する。
このフレームワークはWeb of Things(WoT)を通じたオブジェクト表現に依存しており、各IoTデバイスとDTに標準化されたインターフェースを提供する。
論文 参考訳（メタデータ） (2023-01-18T09:37:05Z) - DLTTA: Dynamic Learning Rate for Test-time Adaptation on Cross-domain
Medical Images [56.72015587067494]
DLTTAと呼ばれるテスト時間適応のための新しい動的学習率調整法を提案する。
本手法は,現在最先端のテスト時間適応法よりも一貫した性能向上を図り,有効かつ高速なテスト時間適応を実現する。
論文 参考訳（メタデータ） (2022-05-27T02:34:32Z) - 2021 BEETL Competition: Advancing Transfer Learning for Subject
Independence & Heterogenous EEG Data Sets [89.84774119537087]
我々は、診断とBCI(Brain-Computer-Interface)に関する2つの伝達学習課題を設計する。
第1タスクは、患者全体にわたる自動睡眠ステージアノテーションに対処する医療診断に重点を置いている。
タスク2はBrain-Computer Interface (BCI)に集中しており、被験者とデータセットの両方にわたる運動画像のデコードに対処する。
論文 参考訳（メタデータ） (2022-02-14T12:12:20Z)
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。