論文の概要: A Proposed Paradigm for Imputing Missing Multi-Sensor Data in the Healthcare Domain

• arxiv url: http://arxiv.org/abs/2601.03565v1
• Date: Wed, 07 Jan 2026 04:23:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-08 18:12:46.126779
• Title: A Proposed Paradigm for Imputing Missing Multi-Sensor Data in the Healthcare Domain
• Title（参考訳）: 医療領域におけるマルチセンサデータの欠落に対するパラダイムの提案
• Authors: Vaibhav Gupta, Florian Grensing, Beyza Cinar, Maria Maleshkova,
• Abstract要約: 本研究では、既存のデータセットの限界について検討し、低血糖予測に関連する重要な特徴の時間的特徴を強調した。 特定の特徴の性質や欠落間隔の持続時間に合わせて計算戦略を調整した体系的パラダイムが提案されている。
• 参考スコア（独自算出の注目度）: 1.0927928652289287
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Chronic diseases such as diabetes pose significant management challenges, particularly due to the risk of complications like hypoglycemia, which require timely detection and intervention. Continuous health monitoring through wearable sensors offers a promising solution for early prediction of glycemic events. However, effective use of multisensor data is hindered by issues such as signal noise and frequent missing values. This study examines the limitations of existing datasets and emphasizes the temporal characteristics of key features relevant to hypoglycemia prediction. A comprehensive analysis of imputation techniques is conducted, focusing on those employed in state-of-the-art studies. Furthermore, imputation methods derived from machine learning and deep learning applications in other healthcare contexts are evaluated for their potential to address longer gaps in time-series data. Based on this analysis, a systematic paradigm is proposed, wherein imputation strategies are tailored to the nature of specific features and the duration of missing intervals. The review concludes by emphasizing the importance of investigating the temporal dynamics of individual features and the implementation of multiple, feature-specific imputation techniques to effectively address heterogeneous temporal patterns inherent in the data.
• Abstract（参考訳）: 糖尿病などの慢性疾患は、特に低血糖のような時間的検出と介入を必要とする合併症のリスクのために、重要な管理上の課題を引き起こす。 ウェアラブルセンサーによる継続的な健康モニタリングは、グリセミックイベントの早期予測に有望なソリューションを提供する。 しかし、信号ノイズや頻繁に欠落する値などの問題により、マルチセンサデータの有効利用が妨げられる。 本研究では、既存のデータセットの限界について検討し、低血糖予測に関連する重要な特徴の時間的特徴を強調した。 現状技術研究に携わる者を中心に, インキュベーション手法の包括的分析を行う。 さらに、他の医療状況における機械学習やディープラーニングアプリケーションから派生した計算手法を、時系列データにおける長いギャップに対処する可能性について評価する。 この分析に基づいて、特定の特徴の性質や欠落間隔の持続時間に合わせて計算戦略を調整した体系的パラダイムが提案されている。 このレビューは、個々の特徴の時間的ダイナミクスを調査することの重要性と、データ固有の異種時間的パターンに効果的に対処する複数の特徴特化手法の実装を強調して締めくくった。

関連論文リスト

• Imputation of Missing Data in Smooth Pursuit Eye Movements Using a Self-Attention-based Deep Learning Approach [0.0]
  本稿では,時系列に自己注意型Imputation Networkを用いた新しいImputationフレームワークを提案する。 我々は、スムーズな追従眼球運動シーケンスを表現するために、カスタムメイドのオートエンコーダを用いて、インプテッドデータを洗練する。 その結果,再建眼球運動系列の精度は有意に向上した。
  論文  参考訳（メタデータ） (2025-05-31T13:10:30Z)
• CTPD: Cross-Modal Temporal Pattern Discovery for Enhanced Multimodal Electronic Health Records Analysis [50.56875995511431]
  マルチモーダルEHRデータから有意な時間的パターンを効率的に抽出するために,CTPD(Cross-Modal Temporal Pattern Discovery)フレームワークを導入する。 提案手法では,時間的セマンティックな埋め込みを生成するためにスロットアテンションを用いて改良された時間的パターン表現を提案する。
  論文  参考訳（メタデータ） (2024-11-01T15:54:07Z)
• Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
  そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。 また,死亡率と臓器不全の関連性について有意な知見が得られた。
  論文  参考訳（メタデータ） (2024-07-28T02:42:36Z)
• Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
  本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。 実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2024-01-11T10:10:16Z)
• Importance of methodological choices in data manipulation for validating epileptic seizure detection models [4.538319875483978]
  てんかん(てんかん、英: Epilepsy)は、慢性神経疾患であり、ヒトのかなりの部分に影響し、患者の日常生活に深刻なリスクを負う。 マシンラーニングとIoTの進歩にもかかわらず、継続的に監視し、外来環境で検出する、小規模で非スティグマティックなウェアラブルデバイスはまだ利用できない。 理由の1つはてんかん自体の複雑さであり、高度に不均衡なデータ、マルチモーダルな性質、非常に主題固有の署名を含んでいる。 本稿では,てんかん検出システムの性能を訓練・評価する際に行うべき方法論的判断について述べる。
  論文  参考訳（メタデータ） (2023-02-21T13:44:13Z)
• SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event Data [83.50281440043241]
  時系列データから不均一な処理効果を推定する問題について検討する。 本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2021-10-26T20:13:17Z)
• A Survey on Anomaly Detection for Technical Systems using LSTM Networks [0.0]
  異常は、意図されたシステムの動作から逸脱し、部分的または完全なシステム障害と同様に効率が低下する可能性がある。 本稿では,ディープニューラルネットワーク,特に長期記憶ネットワークを用いた最先端異常検出に関する調査を行う。 調査したアプローチは、アプリケーションシナリオ、データ、異常タイプ、およびさらなるメトリクスに基づいて評価される。
  論文  参考訳（メタデータ） (2021-05-28T13:24:40Z)
• Predicting Parkinson's Disease with Multimodal Irregularly Collected Longitudinal Smartphone Data [75.23250968928578]
  パーキンソン病は神経疾患であり、高齢者に多い。 伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。 そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-09-25T01:50:15Z)
• Trajectories, bifurcations and pseudotime in large clinical datasets: applications to myocardial infarction and diabetes data [94.37521840642141]
  混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。 この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
  論文  参考訳（メタデータ） (2020-07-07T21:04:55Z)
• Deep Recurrent Model for Individualized Prediction of Alzheimer's Disease Progression [4.034948808542701]
  アルツハイマー病(Alzheimer's disease, AD)は認知症の主要な原因の一つであり、数年間の進行が遅いことが特徴である。 本稿では,MRIバイオマーカーの表現型測定と臨床状態の軌跡を予測できる新しい計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-06T08:08:00Z)

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。