Fugu-MT 論文翻訳(概要): Personal Data Protection in Smart Home Activity Monitoring for Digital Health: A Case Study

論文の概要: Personal Data Protection in Smart Home Activity Monitoring for Digital Health: A Case Study

arxiv url: http://arxiv.org/abs/2504.13864v1
Date: Thu, 27 Mar 2025 16:35:55 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-02 19:15:52.623875
Title: Personal Data Protection in Smart Home Activity Monitoring for Digital Health: A Case Study
Title（参考訳）: デジタルヘルスのためのスマートホーム活動モニタリングにおける個人データ保護
Authors: Claudio Bettini, Azin Moradbeikie, Gabriele Civitarese,
Abstract要約: HAR(Sensor-based Human Activity Recognition)は、臨床医が認知低下の初期段階のデジタルバイオマーカーとみなす行動変化の識別を可能にする。高齢者の家庭におけるセンサーベースのHARシステムの実際の展開は、プライバシーや倫理的懸念など、いくつかの課題を引き起こしている。本稿では,設計原則によるプライバシの適用経験を報告する。
参考スコア（独自算出の注目度）: 0.3277163122167433
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Researchers in pervasive computing have worked for decades on sensor-based human activity recognition (HAR). Among the digital health applications, the recognition of activities of daily living (ADL) in smart home environments enables the identification of behavioral changes that clinicians consider as a digital bio-marker of early stages of cognitive decline. The real deployment of sensor-based HAR systems in the homes of elderly subjects poses several challenges, with privacy and ethical concerns being major ones. This paper reports our experience applying privacy by design principles to develop and deploy one of these systems.
Abstract（参考訳）: 広範コンピューティングの研究者たちは、センサーに基づく人間活動認識(HAR)に何十年も取り組んできた。デジタルヘルスアプリケーションの中で、スマートホーム環境における日常生活活動(ADL)の認識は、臨床医が認知低下の初期段階のデジタルバイオマーカーとみなす行動変化の識別を可能にする。高齢者の家庭におけるセンサーベースのHARシステムの実際の展開は、プライバシーや倫理的懸念など、いくつかの課題を引き起こしている。本稿では,設計原則によるプライバシの適用経験を報告する。

関連論文リスト

Towards Privacy-aware Mental Health AI Models: Advances, Challenges, and Opportunities [61.633126163190724]
精神病は、社会的、個人的コストがかなり高い広範囲で不安定な状態である。近年の人工知能(AI)の進歩は、うつ病、不安障害、双極性障害、統合失調症、外傷後ストレス障害などの病態を認識し、対処するための大きな可能性を秘めている。データセットやトレーニング済みモデルからの機密データ漏洩のリスクを含むプライバシー上の懸念は、これらのAIシステムを実際の臨床環境にデプロイする上で、依然として重要な障壁である。
論文参考訳（メタデータ） (2025-02-01T15:10:02Z)
Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
論文参考訳（メタデータ） (2024-05-15T20:41:46Z)
Real-Time Elderly Monitoring for Senior Safety by Lightweight Human Action Recognition [11.178325140443446]
リアルタイム監視と行動認識は、異常な行動や異常な活動が発生した場合に警告をタイムリーに起こすのに不可欠である。本稿では, 軽量人行動認識(HAR)技術に基づく, 高齢者安全のためのリアルタイム高齢者モニタリング(REMS)を提案する。
論文参考訳（メタデータ） (2022-07-21T15:00:54Z)
Classifying Human Activities with Inertial Sensors: A Machine Learning Approach [0.0]
HAR(Human Activity Recognition)は、現在進行中の研究課題である。医療サポート、スポーツ、フィットネス、ソーシャルネットワーキング、ヒューマン・コンピュータ・インタフェース、シニア・ケア、エンターテイメント、監視などの分野に応用されている。スマートフォンの慣性センサデータを用いて,人間活動認識のための機械学習と深層学習のアプローチを検討した。
論文参考訳（メタデータ） (2021-11-09T08:17:33Z)
Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
論文参考訳（メタデータ） (2021-10-19T11:45:01Z)
Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文参考訳（メタデータ） (2021-06-24T17:46:03Z)
Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。 eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文参考訳（メタデータ） (2020-08-09T20:22:52Z)
Human Activity Recognition using Inertial, Physiological and Environmental Sensors: a Comprehensive Survey [3.1166345853612296]
本研究は, 慣性センサと生理・環境センサを併用したHARアプリケーションの開発において, 機械学習が重要な役割を担っていることに焦点を当てる。 Harは、認知機能や身体機能を監視することで、高齢者の日常生活を支援する最も有望な補助的技術ツールの1つと考えられている。
論文参考訳（メタデータ） (2020-04-19T11:32:35Z)
AutoCogniSys: IoT Assisted Context-Aware Automatic Cognitive Health Assessment [2.7998963147546148]
AutoCogniSysは、コンテキスト対応の自動認知ヘルスアセスメントシステムである。我々は,高齢者の生活環境における認知的健康度自動評価システムを開発した。 AutoCogniSysのパフォーマンスは、高齢者の認知健康度を評価する際の精度の最大93%を証明している。
論文参考訳（メタデータ） (2020-03-17T01:44:59Z)
Online Guest Detection in a Smart Home using Pervasive Sensors and Probabilistic Reasoning [3.538944147459101]
本稿では,各段階における環境人数を推定できる確率論的アプローチを提案する。シミュレーションデータと実データの両方を用いて,異なるサイズと構成の2つのスマートホーム上で,本手法を検証・検証した。
論文参考訳（メタデータ） (2020-03-13T15:41:15Z)
EEG-based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies on Signal Sensing Technologies and Computational Intelligence Approaches and their Applications [65.32004302942218]
Brain-Computer Interface (BCI) はユーザとシステム間の強力なコミュニケーションツールである。近年の技術進歩は、脳波(EEG)に基づく翻訳医療用BCIへの関心が高まっている。
論文参考訳（メタデータ） (2020-01-28T10:36:26Z)

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。