論文の概要: REMONI: An Autonomous System Integrating Wearables and Multimodal Large Language Models for Enhanced Remote Health Monitoring

• arxiv url: http://arxiv.org/abs/2510.21445v1
• Date: Fri, 24 Oct 2025 13:23:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-27 15:45:42.334532
• Title: REMONI: An Autonomous System Integrating Wearables and Multimodal Large Language Models for Enhanced Remote Health Monitoring
• Title（参考訳）: REMONI:遠隔健康モニタリングのためのウェアラブルとマルチモーダル大言語モデルを統合した自律システム
• Authors: Thanh Cong Ho, Farah Kharrat, Abderrazek Abid, Fakhri Karray,
• Abstract要約: 本稿では、マルチモーダル大言語モデル(MLLM)、モノのインターネット(IoT)、ウェアラブルデバイスを統合した、自律型リモートヘルス監視システムREMONIを提案する。 このシステムは、バイタルサイン、特殊なウェアラブル(スマートウォッチなど)からの加速度計データ、そしてカメラから収集された患者のビデオクリップの視覚データを自動的に、継続的に収集する。 本システムの特徴は,医療従事者の問い合わせに応じて患者の活動や感情を検知・認識できるMLLMを用いて開発された自然言語処理コンポーネントである。
• 参考スコア（独自算出の注目度）: 4.85305127684971
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: With the widespread adoption of wearable devices in our daily lives, the demand and appeal for remote patient monitoring have significantly increased. Most research in this field has concentrated on collecting sensor data, visualizing it, and analyzing it to detect anomalies in specific diseases such as diabetes, heart disease and depression. However, this domain has a notable gap in the aspect of human-machine interaction. This paper proposes REMONI, an autonomous REmote health MONItoring system that integrates multimodal large language models (MLLMs), the Internet of Things (IoT), and wearable devices. The system automatically and continuously collects vital signs, accelerometer data from a special wearable (such as a smartwatch), and visual data in patient video clips collected from cameras. This data is processed by an anomaly detection module, which includes a fall detection model and algorithms to identify and alert caregivers of the patient's emergency conditions. A distinctive feature of our proposed system is the natural language processing component, developed with MLLMs capable of detecting and recognizing a patient's activity and emotion while responding to healthcare worker's inquiries. Additionally, prompt engineering is employed to integrate all patient information seamlessly. As a result, doctors and nurses can access real-time vital signs and the patient's current state and mood by interacting with an intelligent agent through a user-friendly web application. Our experiments demonstrate that our system is implementable and scalable for real-life scenarios, potentially reducing the workload of medical professionals and healthcare costs. A full-fledged prototype illustrating the functionalities of the system has been developed and being tested to demonstrate the robustness of its various capabilities.
• Abstract（参考訳）: 日常生活におけるウェアラブルデバイスの普及に伴い、遠隔患者の監視に対する需要と魅力が著しく向上した。 この分野のほとんどの研究は、センサーデータを収集し、視覚化し、糖尿病、心臓病、うつ病などの特定の疾患の異常を検出するために分析することに集中してきた。 しかし、この領域は人間と機械の相互作用の面において顕著なギャップがある。 本稿では、マルチモーダル大言語モデル(MLLM)、モノのインターネット(IoT)、ウェアラブルデバイスを統合した、自律型リモートヘルス監視システムREMONIを提案する。 このシステムは、バイタルサイン、特殊なウェアラブル(スマートウォッチなど)からの加速度計データ、そしてカメラから収集された患者のビデオクリップの視覚データを自動的に、継続的に収集する。 このデータは異常検出モジュールによって処理され、転倒検出モデルと、患者の緊急状態の介護者を識別および警告するアルゴリズムを含む。 本システムの特徴は,医療従事者の問い合わせに応じて患者の活動や感情を検知・認識できるMLLMを用いて開発された自然言語処理コンポーネントである。 さらに、すべての患者情報をシームレスに統合するために、プロンプトエンジニアリングが使用される。 その結果、医師や看護師は、ユーザフレンドリーなWebアプリケーションを通じて、インテリジェントエージェントと対話することで、リアルタイムのバイタルサインや患者の現在の状態や気分にアクセスすることができる。 実生活シナリオにおいて,我々のシステムは実装可能でスケーラブルであり,医療従事者の作業量や医療費を削減できる可能性を実証した。 システムの機能を示す本格的なプロトタイプが開発され、その様々な能力の堅牢性を実証するためにテストされている。

関連論文リスト

• AI on the Pulse: Real-Time Health Anomaly Detection with Wearable and Ambient Intelligence [4.494833548150712]
  我々は、患者を継続的に監視する現実世界の異常検知システムであるPulseにAIを導入する。 SoTA(State-of-the-art)のユニバーサル時系列モデルであるUniTSによって、我々のフレームワークは患者のユニークな生理的および行動的パターンを自律的に学習する。
  論文  参考訳（メタデータ） (2025-08-05T13:24:15Z)
• Advancing Conversational Diagnostic AI with Multimodal Reasoning [44.1996223689966]
  アーティキュレート・メディカル・インテリジェンス・エクスプローラー(AMIE) システムは、対話フローを中間モデル出力によって動的に制御する状態認識対話フレームワークを実装している。 患者アクターとのチャットベースの相談の無作為で盲目なOSCEスタイルの研究において, AMIEをプライマリケア医師(PCP)と比較した。
  論文  参考訳（メタデータ） (2025-05-06T20:52:01Z)
• Facial Expression Analysis and Its Potentials in IoT Systems: A Contemporary Survey [48.60253527030446]
  表情分析とIoT(Internet-of-Thing)システムの統合は、さまざまなシナリオにおいて大きな可能性を秘めている。 本研究の目的は,表情分析における研究の進展を概観し,IoTシステムとの統合の可能性を探ることである。 表情に基づく技術とIoTシステムの融合に向けた課題と今後の方向性を強調します。
  論文  参考訳（メタデータ） (2024-12-23T14:41:01Z)
• A Survey of Medical Vision-and-Language Applications and Their Techniques [48.268198631277315]
  医療ビジョン・アンド・ランゲージモデル(MVLM)は、複雑な医療データを解釈するための自然言語インタフェースを提供する能力から、大きな関心を集めている。 本稿では,MVLMの概要と適用した各種医療課題について概観する。 また、これらのタスクに使用するデータセットについても検討し、標準化された評価指標に基づいて異なるモデルの性能を比較した。
  論文  参考訳（メタデータ） (2024-11-19T03:27:05Z)
• Towards Next-Generation Medical Agent: How o1 is Reshaping Decision-Making in Medical Scenarios [46.729092855387165]
  本稿では,医療用AIエージェントのバックボーンLSMの選択について検討する。 我々の研究結果は、o1の診断精度と一貫性を高める能力を示し、よりスマートでより応答性の高いAIツールへの道を開いた。
  論文  参考訳（メタデータ） (2024-11-16T18:19:53Z)
• Scaling Wearable Foundation Models [54.93979158708164]
  センサ基礎モデルのスケーリング特性を計算,データ,モデルサイズにわたって検討する。 最大4000万時間分の心拍数、心拍変動、心電図活動、加速度計、皮膚温度、および1分間のデータを用いて、私たちはLSMを作成します。 この結果から,LSMのスケーリング法則は,時間とセンサの両面において,計算や外挿などのタスクに対して確立されている。
  論文  参考訳（メタデータ） (2024-10-17T15:08:21Z)
• Advancing Medical Education through the cINnAMON Web Application [0.0]
  cINnAMON EUREKA 屋内照明の位置と監視に革命をもたらす伝統的なプロジェクト。 現在のインテリジェンス電球のプロトタイプは、プロジェクトの電球と市販の電球の比較分析を提供している。 最初のスマートブレスレットのプロトタイプは、内蔵センサーの配列からデータを収集して分析する機能を披露している。
  論文  参考訳（メタデータ） (2023-11-30T10:49:51Z)
• A Health Monitoring System Based on Flexible Triboelectric Sensors for Intelligence Medical Internet of Things and its Applications in Virtual Reality [4.522609963399036]
  Internet of Medical Things (IoMT)は、IoT(Internet of Things)テクノロジと医療アプリケーションを組み合わせたプラットフォームである。 本研究では、フレキシブルな三体電センサと深層学習支援データ分析の相乗的統合により、堅牢でインテリジェントなIoMTシステムを設計した。 パーキンソン病(PD)患者の手首の動きを検知・解析するために4つの三体電センサをリストバンドに組み込んだ。 この革新的なアプローチにより、PD患者の微妙な動きと微妙な運動を正確に捉え、精査することが可能となり、患者の状況に対する洞察と総合的な評価が得られた。
  論文  参考訳（メタデータ） (2023-09-13T01:01:16Z)
• Detecting Anomalous User Behavior in Remote Patient Monitoring [0.26249027950824505]
  IoMTとスマートホームデバイスを用いた遠隔患者モニタリングのための異常検出モデルを提案する。 隠れマルコフモデル(HMM)に基づく異常検出手法を提案する。 提案したHMMに基づく異常検出モデルは,RPMの文脈における異常の同定において98%以上の精度を達成した。
  論文  参考訳（メタデータ） (2021-06-22T14:59:34Z)
• An Overview of Human Activity Recognition Using Wearable Sensors: Healthcare and Artificial Intelligence [4.04762671215916]
  ヒューマンアクティビティ認識(HAR)は、セキュリティや監視、人間とロボットのインタラクション、エンターテイメントなど、さまざまな分野に適用されている。 私たちは、集中治療ユニット(ICU)患者とデュシェンヌ筋ジストロフィー(DMD)患者のための人間の活動の識別:ヘルスケアのための新しいHARプロジェクトを紹介します。 当社のHARシステムには、ICU患者およびDMD患者からセンサーデータを収集するハードウェア設計と、患者の活動を認識するための正確なAIモデルが含まれます。
  論文  参考訳（メタデータ） (2021-03-29T23:48:51Z)
• 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)

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。