論文の概要: DEMENTIA-PLAN: An Agent-Based Framework for Multi-Knowledge Graph Retrieval-Augmented Generation in Dementia Care
- arxiv url: http://arxiv.org/abs/2503.20950v1
- Date: Wed, 26 Mar 2025 19:34:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-28 12:53:11.911587
- Title: DEMENTIA-PLAN: An Agent-Based Framework for Multi-Knowledge Graph Retrieval-Augmented Generation in Dementia Care
- Title(参考訳): DementIA-PLAN:認知症診療における多知識グラフ検索支援のためのエージェントベースフレームワーク
- Authors: Yutong Song, Chenhan Lyu, Pengfei Zhang, Sabine Brunswicker, Nikil Dutt, Amir Rahmani,
- Abstract要約: 本稿では,DementIA-PLANを提案する。
本モデルは,多次元知識表現を統合した多次元知識グラフアーキテクチャを用いている。
私たちの注目すべき革新は、知識検索と意味統合を協調する自己回帰計画エージェントです。
- 参考スコア(独自算出の注目度): 3.9891568002886766
- License:
- Abstract: Mild-stage dementia patients primarily experience two critical symptoms: severe memory loss and emotional instability. To address these challenges, we propose DEMENTIA-PLAN, an innovative retrieval-augmented generation framework that leverages large language models to enhance conversational support. Our model employs a multiple knowledge graph architecture, integrating various dimensional knowledge representations including daily routine graphs and life memory graphs. Through this multi-graph architecture, DEMENTIA-PLAN comprehensively addresses both immediate care needs and facilitates deeper emotional resonance through personal memories, helping stabilize patient mood while providing reliable memory support. Our notable innovation is the self-reflection planning agent, which systematically coordinates knowledge retrieval and semantic integration across multiple knowledge graphs, while scoring retrieved content from daily routine and life memory graphs to dynamically adjust their retrieval weights for optimized response generation. DEMENTIA-PLAN represents a significant advancement in the clinical application of large language models for dementia care, bridging the gap between AI tools and caregivers interventions.
- Abstract(参考訳): 軽度認知症患者は、主に重度の記憶障害と感情不安定の2つの重篤な症状を経験する。
これらの課題に対処するために,大規模な言語モデルを活用して対話支援を強化する,革新的な検索拡張生成フレームワークであるDementIA-PLANを提案する。
本モデルでは,日次ルーチングラフやライフメモリグラフなど,多次元知識表現を統合した複数の知識グラフアーキテクチャを採用している。
このマルチグラフアーキテクチャを通じて、DementIA-PLANは即時ケアのニーズの両方を包括的に解決し、個人の記憶を通じて深い感情共鳴を促進する。
我々の注目すべき革新は自己回帰計画エージェントであり、複数の知識グラフにまたがる知識検索と意味統合を体系的にコーディネートすると同時に、日々のルーチンやライフメモリグラフから抽出したコンテンツを収集し、その検索重量を最適化された応答生成のために動的に調整する。
DementIA-PLANは、認知症治療のための大きな言語モデルの臨床応用において、AIツールと介護者の介入のギャップを埋める重要な進歩である。
関連論文リスト
- MedGNN: Towards Multi-resolution Spatiotemporal Graph Learning for Medical Time Series Classification [9.290150386783838]
医用時系列分類のための多分解能グラフ学習フレームワークMedGNNを提案する。
まず、動的なマルチスケール埋め込みを学習するために、多分解能適応グラフ構造を構築することを提案する。
次に、時間的モデリングのための有限差分上で自己注意機構を操作するための差分注意ネットワークを提案する。
論文 参考訳(メタデータ) (2025-02-06T21:34:54Z) - Brain-Cognition Fingerprinting via Graph-GCCA with Contrastive Learning [28.681229869236393]
縦断的神経画像研究は、脳機能と認知の間の動的相互作用を研究することによって、脳の老化と疾患の理解を改善することを目的としている。
本稿では,グラフ注意ネットワークと一般化相関解析を用いた教師なし学習モデルを提案する。
個々の人の独特の神経・認知表現型を反映した脳認知指紋を作成するために、モデルは個別化およびマルチモーダル・コントラスト学習にも依存する。
論文 参考訳(メタデータ) (2024-09-20T20:36:20Z) - Knowledge-Guided Prompt Learning for Lifespan Brain MR Image Segmentation [53.70131202548981]
本稿では,脳MRIにKGPL(Knowledge-Guided Prompt Learning)を用いた2段階のセグメンテーションフレームワークを提案する。
具体的には,大規模データセットと準最適ラベルを用いたトレーニング前セグメンテーションモデルについて述べる。
知識的プロンプトの導入は、解剖学的多様性と生物学的プロセスの間の意味的関係を捉えている。
論文 参考訳(メタデータ) (2024-07-31T04:32:43Z) - MemoryCompanion: A Smart Healthcare Solution to Empower Efficient
Alzheimer's Care Via Unleashing Generative AI [8.741075482543991]
本稿では,アルツハイマー病(AD)患者とその介護者向けに開発された,先駆的なデジタルヘルスソリューションであるMemoryCompanionについて紹介する。
MemoryCompanionはパーソナライズされたケアのパラダイムを示し、音声のクローズニングと会話によるインタラクションを促進する。
私たちの方法論は、その革新的な設計に基づいており、この領域に固有の介護と技術的な課題の両方に対処しています。
論文 参考訳(メタデータ) (2023-11-20T19:41:50Z) - A Framework for Inference Inspired by Human Memory Mechanisms [9.408704431898279]
本稿では,知覚,記憶,推論の構成要素からなるPMIフレームワークを提案する。
メモリモジュールは、ワーキングメモリと長期メモリから構成され、後者は、広範囲で複雑なリレーショナル知識と経験を維持するために、高次構造を備えている。
我々は、bAbI-20kやSolt-of-CLEVRデータセットのような質問応答タスクにおいて、一般的なTransformerとCNNモデルを改善するためにPMIを適用します。
論文 参考訳(メタデータ) (2023-10-01T08:12:55Z) - LABRAD-OR: Lightweight Memory Scene Graphs for Accurate Bimodal
Reasoning in Dynamic Operating Rooms [39.11134330259464]
手術室(OR)の全体モデリングは難しいが必須課題である。
本稿では,過去の時間ステップのシーングラフが時間的表現として機能し,現在の予測を導くメモリシーングラフを紹介する。
我々は、私たちの軽量メモリシーングラフの時間情報をポイントクラウドや画像からの視覚情報とインテリジェントに融合するエンドツーエンドアーキテクチャを設計する。
論文 参考訳(メタデータ) (2023-03-23T14:26:16Z) - Dynamic Graph Enhanced Contrastive Learning for Chest X-ray Report
Generation [92.73584302508907]
コントラスト学習を用いた医療レポート作成を支援するために,動的構造とノードを持つ知識グラフを提案する。
詳しくは、グラフの基本構造は一般知識から事前構築される。
各イメージ機能は、レポート生成のためにデコーダモジュールに入力する前に、独自の更新グラフに統合される。
論文 参考訳(メタデータ) (2023-03-18T03:53:43Z) - Graph-Evolving Meta-Learning for Low-Resource Medical Dialogue
Generation [150.52617238140868]
ソース疾患からターゲット疾患へ診断経験を移すために、低リソースの医療対話生成を提案します。
また,新しい疾患の症状相関を推論するためのコモンセンスグラフの進化を学習するグラフ進化メタ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) (2020-12-22T13:20:23Z) - Relational Graph Learning on Visual and Kinematics Embeddings for
Accurate Gesture Recognition in Robotic Surgery [84.73764603474413]
本稿では,マルチモーダルグラフネットワーク(MRG-Net)の新たなオンラインアプローチを提案し,視覚情報とキネマティクス情報を動的に統合する。
本手法の有効性は, JIGSAWSデータセット上での最先端の成果で実証された。
論文 参考訳(メタデータ) (2020-11-03T11:00:10Z) - A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease
Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。
我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。
我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文 参考訳(メタデータ) (2020-05-08T02:29:24Z) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳(メタデータ) (2020-01-08T15:47:08Z)
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。