論文の概要: An LLM-Powered Agent for Physiological Data Analysis: A Case Study on PPG-based Heart Rate Estimation

• arxiv url: http://arxiv.org/abs/2502.12836v1
• Date: Tue, 18 Feb 2025 13:09:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-19 14:02:48.637812
• Title: An LLM-Powered Agent for Physiological Data Analysis: A Case Study on PPG-based Heart Rate Estimation
• Title（参考訳）: LLMを用いた生理データ分析エージェント: PPGによる心拍数推定の事例研究
• Authors: Mohammad Feli, Iman Azimi, Pasi Liljeberg, Amir M. Rahmani,
• Abstract要約: 生理的時系列分析のためのLCMを利用したエージェントを開発した。 OpenCHAフレームワーク上に構築された当社のエージェントは,ユーザインタラクションやデータソース,分析ツールを統合したオーケストレータを備えている。 その結果,提案エージェントは,より低い誤差率と信頼性の高いHR推定を行うことで,ベンチマークモデルを大幅に上回ることを示した。
• 参考スコア（独自算出の注目度）: 2.0195680688695594
• License:
• Abstract: Large language models (LLMs) are revolutionizing healthcare by improving diagnosis, patient care, and decision support through interactive communication. More recently, they have been applied to analyzing physiological time-series like wearable data for health insight extraction. Existing methods embed raw numerical sequences directly into prompts, which exceeds token limits and increases computational costs. Additionally, some studies integrated features extracted from time-series in textual prompts or applied multimodal approaches. However, these methods often produce generic and unreliable outputs due to LLMs' limited analytical rigor and inefficiency in interpreting continuous waveforms. In this paper, we develop an LLM-powered agent for physiological time-series analysis aimed to bridge the gap in integrating LLMs with well-established analytical tools. Built on the OpenCHA, an open-source LLM-powered framework, our agent features an orchestrator that integrates user interaction, data sources, and analytical tools to generate accurate health insights. To evaluate its effectiveness, we implement a case study on heart rate (HR) estimation from Photoplethysmogram (PPG) signals using a dataset of PPG and Electrocardiogram (ECG) recordings in a remote health monitoring study. The agent's performance is benchmarked against OpenAI GPT-4o-mini and GPT-4o, with ECG serving as the gold standard for HR estimation. Results demonstrate that our agent significantly outperforms benchmark models by achieving lower error rates and more reliable HR estimations. The agent implementation is publicly available on GitHub.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、対話的なコミュニケーションを通じて診断、患者ケア、意思決定支援を改善することで、医療に革命をもたらしている。 最近では、健康情報抽出のためのウェアラブルデータなどの生理的時系列分析に応用されている。 既存の方法では、生の数値列を直接プロンプトに埋め込むことができ、トークン制限を超え、計算コストを増大させる。 さらに、時系列から抽出した特徴をテキストプロンプトやマルチモーダルアプローチで統合する研究もある。 しかしながら、これらの手法は、LLMの限られた解析厳密さと連続波形の解釈における非効率性のために、総称的かつ信頼性の低い出力を生成することが多い。 本稿では, LLM と解析ツールの融合におけるギャップを埋めるために, 生理的時系列解析のための LLM を利用したエージェントを開発した。 当社のエージェントは,オープンソースのLLMフレームワークであるOpenCHA上に構築されており,ユーザインタラクションやデータソース,分析ツールを統合して正確な健康情報を生成するオーケストレータを備えている。 PPGと心電図 (ECG) のデータセットを用いて, 遠隔健康モニタリング研究における心拍数 (HR) 推定のケーススタディを実装した。 エージェントのパフォーマンスは OpenAI GPT-4o-mini と GPT-4o に対してベンチマークされ、ECG は HR 推定のゴールドスタンダードとなっている。 その結果,提案エージェントは,より低い誤差率と信頼性の高いHR推定を行うことで,ベンチマークモデルを大幅に上回ることを示した。 エージェントの実装はGitHubで公開されている。

関連論文リスト

• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• Synthesizing Multimodal Electronic Health Records via Predictive Diffusion Models [69.06149482021071]
  EHRPDと呼ばれる新しいEHRデータ生成モデルを提案する。 時間間隔推定を組み込んだ拡散モデルである。 我々は2つの公開データセットで実験を行い、忠実さ、プライバシー、実用性の観点からEPHPDを評価する。
  論文  参考訳（メタデータ） (2024-06-20T02:20:23Z)
• LLMs-based Few-Shot Disease Predictions using EHR: A Novel Approach Combining Predictive Agent Reasoning and Critical Agent Instruction [38.11497959553319]
  本研究では,構造化患者訪問データを自然言語物語に変換するための大規模言語モデルの適用可能性について検討する。 様々なERH予測指向のプロンプト戦略を用いて,LLMのゼロショット性能と少数ショット性能を評価した。 提案手法を用いることで,従来のERHによる疾患予測の教師付き学習法と比較して,LLMの精度は極めて低いことが示唆された。
  論文  参考訳（メタデータ） (2024-03-19T18:10:13Z)
• MatPlotAgent: Method and Evaluation for LLM-Based Agentic Scientific Data Visualization [86.61052121715689]
  MatPlotAgentは、科学的データ可視化タスクを自動化するために設計された、モデルに依存しないフレームワークである。 MatPlotBenchは、100人の検証されたテストケースからなる高品質なベンチマークである。
  論文  参考訳（メタデータ） (2024-02-18T04:28:28Z)
• Evaluating the Fairness of the MIMIC-IV Dataset and a Baseline Algorithm: Application to the ICU Length of Stay Prediction [65.268245109828]
  本稿では、MIMIC-IVデータセットを用いて、滞在時間を予測するXGBoostバイナリ分類モデルにおける公平性とバイアスについて検討する。 この研究は、人口統計属性にわたるデータセットのクラス不均衡を明らかにし、データ前処理と特徴抽出を採用する。 この論文は、偏見を緩和するための公正な機械学習技術と、医療専門家とデータサイエンティストの協力的な努力の必要性について結論付けている。
  論文  参考訳（メタデータ） (2023-12-31T16:01:48Z)
• ALPHA: AnomaLous Physiological Health Assessment Using Large Language Models [4.247764575421617]
  大規模言語モデル(LLM)は、医療指標を決定する上で非常に優れた性能を示す。 特別適応GPTモデルでは,サイクルカウントで1bpm未満の誤差を達成できた。 この研究は、高度なAIヘルスアシスタントにおける健康データ分析ツールと重要な要素としてのLLMの二重の役割を強調した。
  論文  参考訳（メタデータ） (2023-11-21T11:09:57Z)
• Retrieving Evidence from EHRs with LLMs: Possibilities and Challenges [18.56314471146199]
  時間的制約を伴って患者に関連付けられた大量のメモは、実質的に不可能な証拠を手作業で特定する。 患者EHRにおける非構造的証拠を効率よく回収・要約するためのメカニズムとして, LLMを用いたゼロショット戦略を提案し, 評価した。
  論文  参考訳（メタデータ） (2023-09-08T18:44:47Z)
• Self-Verification Improves Few-Shot Clinical Information Extraction [73.6905567014859]
  大規模言語モデル (LLMs) は、数発のテキスト内学習を通じて臨床キュレーションを加速する可能性を示している。 正確性や解釈可能性に関する問題、特に健康のようなミッションクリティカルな領域ではまだ苦戦している。 本稿では,自己検証を用いた汎用的な緩和フレームワークについて検討する。このフレームワークはLLMを利用して,自己抽出のための証明を提供し,その出力をチェックする。
  論文  参考訳（メタデータ） (2023-05-30T22:05:11Z)
• Enabling scalable clinical interpretation of ML-based phenotypes using real world data [0.0]
  本研究では,大規模なERHデータセットを用いて患者層化分析を行う手法について検討した。 本研究は, 患者層分類結果の臨床的評価と解釈を容易にするためのいくつかのツールを開発した。
  論文  参考訳（メタデータ） (2022-08-02T17:31:03Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
  本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。 私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。 提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
  論文  参考訳（メタデータ） (2021-04-29T00:11:32Z)

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。