論文の概要: Leveraging Self-Training and Variational Autoencoder for Agitation Detection in People with Dementia Using Wearable Sensors

• arxiv url: http://arxiv.org/abs/2412.19254v1
• Date: Thu, 26 Dec 2024 15:34:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-30 17:26:56.022410
• Title: Leveraging Self-Training and Variational Autoencoder for Agitation Detection in People with Dementia Using Wearable Sensors
• Title（参考訳）: ウェアラブルセンサを用いた認知症者における自己訓練・変分オートエンコーダの活用
• Authors: Abeer Badawi, Somayya Elmoghazy, Samira Choudhury, Khalid Elgazzar, Amer Burhan,
• Abstract要約: 不安と攻撃性 (Agitation and Aression, AA) は、認知症(PwD)の長期治療や病院における症状の一つである。 AAは不快感を引き起こすだけでなく、患者や他の患者を危険に晒す。 人工知能(AI)と統合されたさまざまなウェアラブルセンサーを利用する既存の監視ソリューションは、タイムリーかつ適切な医療介入を行うのに十分な早期のAAを検出する手段を提供する。 本研究では,Empatica E4リストバンドの生理的データを用いて,PwD中のAAを検出するための包括的アプローチを提案する。
• 参考スコア（独自算出の注目度）: 1.4633432285242916
• License:
• Abstract: Dementia is a neurodegenerative disorder that has been growing among elder people over the past decades. This growth profoundly impacts the quality of life for patients and caregivers due to the symptoms arising from it. Agitation and aggression (AA) are some of the symptoms of people with severe dementia (PwD) in long-term care or hospitals. AA not only causes discomfort but also puts the patients or others at potential risk. Existing monitoring solutions utilizing different wearable sensors integrated with Artificial Intelligence (AI) offer a way to detect AA early enough for timely and adequate medical intervention. However, most studies are limited by the availability of accurately labeled datasets, which significantly affects the efficacy of such solutions in real-world scenarios. This study presents a novel comprehensive approach to detect AA in PwD using physiological data from the Empatica E4 wristbands. The research creates a diverse dataset, consisting of three distinct datasets gathered from 14 participants across multiple hospitals in Canada. These datasets have not been extensively explored due to their limited labeling. We propose a novel approach employing self-training and a variational autoencoder (VAE) to detect AA in PwD effectively. The proposed approach aims to learn the representation of the features extracted using the VAE and then uses a semi-supervised block to generate labels, classify events, and detect AA. We demonstrate that combining Self-Training and Variational Autoencoder mechanism significantly improves model performance in classifying AA in PwD. Among the tested techniques, the XGBoost classifier achieved the highest accuracy of 90.16\%. By effectively addressing the challenge of limited labeled data, the proposed system not only learns new labels but also proves its superiority in detecting AA.
• Abstract（参考訳）: 認知症は神経変性疾患であり、ここ数十年で高齢者の間で成長している。 この成長は、患者や介護者の生活の質に大きな影響を与えます。 不安と攻撃性 (Agitation and Aression, AA) は、認知症(PwD)の長期治療や病院における症状の一つである。 AAは不快感を引き起こすだけでなく、患者や他の患者を危険に晒す。 人工知能(AI)と統合されたさまざまなウェアラブルセンサーを利用する既存の監視ソリューションは、タイムリーかつ適切な医療介入を行うのに十分な早期のAAを検出する手段を提供する。 しかし、ほとんどの研究は、正確なラベル付きデータセットの可用性によって制限されており、実際のシナリオにおけるそのようなソリューションの有効性に大きな影響を及ぼす。 本研究では,Empatica E4リストバンドの生理的データを用いて,PwD中のAAを検出するための包括的アプローチを提案する。 この研究は、カナダの複数の病院で14人の参加者から集められた3つの異なるデータセットからなる多様なデータセットを作成する。 これらのデータセットは、ラベル付けが限られているため、広範囲に調査されていない。 本稿では,PwDにおけるAAを効果的に検出するために,自己学習と変分オートエンコーダ(VAE)を用いた新しい手法を提案する。 提案手法は,VAEを用いて抽出した特徴の表現を学習し,ラベルの生成やイベントの分類,AAの検出に半教師付きブロックを使用する。 PwDにおける自己学習と変分オートエンコーダの併用は,PwDにおけるAAの分類におけるモデル性能を著しく向上させることを示した。 試験手法のうち、XGBoost分類器は90.16\%の精度を達成した。 制限付きラベル付きデータの課題に効果的に対処することにより,新たなラベルを学習するだけでなく,AAの検出においてその優位性も証明する。

関連論文リスト

• A Novel Multimodal System to Predict Agitation in People with Dementia Within Clinical Settings: A Proof of Concept [1.3810130040348885]
  認知症(PwD)に罹患する人々の不安と攻撃性(Agitation and Aegression, AAA)は、苦痛と医療需要の増加に寄与する。 本稿では,EmbracePlusリストバンドとビデオ検出システムを利用して,マルチモーダルアプローチを統合する5年間の研究システムを提案する。 このシステムは、EmbracePlusリストバンドから生およびデジタルバイオマーカーを収集し、処理し、AAを正確に予測する。
  論文  参考訳（メタデータ） (2024-10-26T02:59:34Z)
• Federated Anomaly Detection for Early-Stage Diagnosis of Autism Spectrum Disorders using Serious Game Data [0.0]
  本研究では,AutoEncoder-based Machine Learning (ML) 手法を用いて,ASD検出のための新しい半教師付きアプローチを提案する。 この目的に特化して設計された真剣なゲームを通じて手作業で収集したデータを利用する。 ゲーミフィケーションされたアプリケーションによって収集されたセンシティブなデータは、プライバシー漏洩の影響を受けやすいため、フェデレートラーニングフレームワークを開発した。
  論文  参考訳（メタデータ） (2024-10-25T23:00:12Z)
• Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
  アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。 我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。 本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T02:06:05Z)
• Diagnosing Alzheimer's Disease using Early-Late Multimodal Data Fusion with Jacobian Maps [1.5501208213584152]
  アルツハイマー病(英語: Alzheimer's disease、AD)は、老化に影響を及ぼす神経変性疾患である。 本稿では,自動特徴抽出とランダム森林のための畳み込みニューラルネットワークを利用する,効率的な早期融合(ELF)手法を提案する。 脳の容積の微妙な変化を検出するという課題に対処するために、画像をヤコビ領域(JD)に変換する。
  論文  参考訳（メタデータ） (2023-10-25T19:02:57Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
  アルツハイマー病(AD)は高齢者に特に顕著である。 事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。 本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:03:28Z)
• Undersampling and Cumulative Class Re-decision Methods to Improve Detection of Agitation in People with Dementia [16.949993123698345]
  消化は認知症(PwD)で最も多い症状の1つである。 前回の研究では、参加者17名から600日間のマルチモーダルウェアラブルセンサデータを収集し、1分間の窓での動揺を検出する機械学習モデルを開発した。 本稿では,まず,不均衡を解消するために異なるアンダーサンプリング手法を実装し,通常の動作データの20%だけが競合的動揺検出モデルの訓練に適しているという結論に至った。
  論文  参考訳（メタデータ） (2023-02-07T03:14:00Z)
• Exploring linguistic feature and model combination for speech recognition based automatic AD detection [61.91708957996086]
  音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。 専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。 本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
  論文  参考訳（メタデータ） (2022-06-28T05:09:01Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。