論文の概要: AEDHunter: Investigating AED Retrieval in the Real World via Gamified Mobile Interaction and Sensing
- arxiv url: http://arxiv.org/abs/2603.01075v1
- Date: Sun, 01 Mar 2026 12:37:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-03 19:50:56.496474
- Title: AEDHunter: Investigating AED Retrieval in the Real World via Gamified Mobile Interaction and Sensing
- Title（参考訳）: AEDHunter:ゲーミフィケーションモバイルインタラクションとセンシングによる実世界におけるAED検索の調査
- Authors: Helinyi Peng, Akihito Taya, Yuuki Nishiyama, Kaoru Sezaki,
- Abstract要約: AEDHunterは、AED検索をエンゲージメントで反復可能な練習体験に変換するように設計された、ゲーミフィケーションな位置情報ベースのモバイルアプリケーションである。
実世界評価研究において、参加者は繰り返し練習を行った後、AED検索時間を著しく短縮し、AEDの配置に自信を増すと報告した。
AEDHunterのようなゲーミフィケーションされたアプリケーションは、繰り返し、その場でトレーニングし、自己申告した準備性を高めることで、AED検索性能を向上させることができることが示唆された。
- 参考スコア（独自算出の注目度）: 10.50261106923847
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Early defibrillation significantly improves survival rates in cases of out-of-hospital cardiac arrest. However, limited public awareness of Automated External Defibrillator (AED) locations constrains their effective use. Existing solutions, such as static 2D maps, often fall short in urgent or complex real-world scenarios. To address this challenge, we developed AEDHunter, a gamified, location-based mobile application designed to transform AED retrieval into an engaging and repeatable practice experience. Leveraging smartphone sensors to analyze participants' movement and learning patterns, and using low-cost Bluetooth tags to verify arrivals at AED locations, AEDHunter guides users through multiple sessions of AED discovery. In a real-world evaluation study, participants significantly reduced their AED retrieval times after repeated practice sessions and reported increased confidence in locating AEDs. Additionally, we employ a two-state activity detector to identify ``exploratory pauses'', which are then used as a behavioral learning signal to quantify hesitation and its progressive reduction through practice. Our findings suggest that gamified applications like AEDHunter can improve AED retrieval performance through repeated, in-situ training and enhance self-reported preparedness, offering design insights for technology-supported learning and public safety applications.
- Abstract（参考訳）: 早期除細動は院外心停止例の生存率を著しく向上させる。
しかし, 外部除細動器(AED)の設置は, 有効利用を制限している。
静的な2Dマップのような既存のソリューションは、しばしば緊急または複雑な現実世界のシナリオで不足する。
この課題に対処するため、我々は、AED検索をエンゲージメントで反復可能な実践体験に変換するように設計されたゲーミフィケーションな位置情報ベースのモバイルアプリケーションであるAEDHunterを開発した。
AEDHunterは、スマートフォンセンサーを活用して参加者の動きや学習パターンを分析し、低コストのBluetoothタグを使用して、AED発見の複数のセッションを通じてユーザをガイドする。
実世界評価研究において、参加者は繰り返し練習を行った後、AED検索時間を著しく短縮し、AEDの配置に自信を増すと報告した。
さらに,2状態活動検知器を用いて「探索停止」を同定し,行動学習信号として用いて,ヒューズメントの定量化と,その段階的減少を実践を通して行う。
AEDHunterのようなゲーミフィケーションされたアプリケーションは、繰り返し、その場でトレーニングし、自己報告した準備性を高め、技術支援学習や公衆安全アプリケーションの設計洞察を提供することにより、AED検索性能を向上させることができることを示唆している。
関連論文リスト
- PULSE: Privileged Knowledge Transfer from Electrodermal Activity to Low-Cost Sensors for Stress Monitoring [6.9635835802118775]
自己指導型事前学習においてのみEDAを利用するフレームワークを提案する。
このアプローチでは、エンコーダ出力を共有およびプライベートな埋め込みに分離する。
WESADでは, 強い応力検出性能を実現する。
論文 参考訳（メタデータ） (2025-10-28T04:35:05Z) - Bridging Privacy and Utility: Synthesizing anonymized EEG with constraining utility functions [0.5863360388454261]
本稿では,脳波データを生成するトランスフォーマーを用いたオートエンコーダを提案する。
本稿では,脳波信号の再識別可能性を大幅に低減し,機械学習に有効であることを示す。
論文 参考訳（メタデータ） (2025-09-24T18:02:41Z) - MR-GDINO: Efficient Open-World Continual Object Detection [58.066277387205325]
本稿では,従来型,新しい,目に見えないカテゴリに一般化するために,検出器を必要とするオープンワールド連続物体検出タスクを提案する。
本稿では,検出能力を評価するためのOW-CODベンチマークを提案する。
そこで我々は,記憶と検索機構を通じて,強力な,効率的でスケーラブルなベースラインであるMR-GDINOを提案する。
論文 参考訳（メタデータ） (2024-12-20T15:22:51Z) - STIED: A deep learning model for the SpatioTemporal detection of focal Interictal Epileptiform Discharges with MEG [0.08030359871216612]
脳磁図(MEG)を用いたてんかん間葉状放電(IED)の非侵襲的検出
深層学習(DL)は臨床MEGの実践に革命をもたらす可能性がある。
我々は,2つの畳み込みニューラルネットワークと時間的(1次元時間軸)および空間的(2次元トポグラフィー)特徴を組み合わせた,強力で教師付きなDLアルゴリズムであるSTIEDを開発した。
論文 参考訳（メタデータ） (2024-10-30T18:41:22Z) - EEG Emotion Copilot: Optimizing Lightweight LLMs for Emotional EEG Interpretation with Assisted Medical Record Generation [12.707059419820848]
本稿では,脳波信号から直接感情状態を認識する脳波感情コパイロットについて述べる。
その後、パーソナライズされた診断と治療の提案を生成し、最終的に支援された電子カルテの自動化をサポートする。
提案手法は,医療分野における情動コンピューティングの適用を推し進めることが期待される。
論文 参考訳（メタデータ） (2024-09-30T19:15:05Z) - Continual Detection Transformer for Incremental Object Detection [154.8345288298059]
インクリメンタルオブジェクト検出(IOD)は、新しいオブジェクトカテゴリに対するアノテーションを備えた、フェーズ内のオブジェクト検出をトレーニングすることを目的としている。
他の段階的な設定として、IODは破滅的な忘れがちであり、知識蒸留(KD)や模範再生(ER)といった技術によってしばしば対処される。
本稿では,この文脈でKDとERを効果的に活用できるトランスフォーマーベースのIODを提案する。
論文 参考訳（メタデータ） (2023-04-06T14:38:40Z) - Exploring Inconsistent Knowledge Distillation for Object Detection with
Data Augmentation [66.25738680429463]
物体検出のための知識蒸留(KD)は、教師モデルから知識を伝達することで、コンパクトな検出器を訓練することを目的としている。
教師モデルの反直感的知覚に固有の知識を蒸留することを目的とした,一貫性のない知識蒸留(IKD)を提案する。
本手法は, 1段, 2段, アンカーフリーの物体検出器において, 最先端のKDベースラインより優れる。
論文 参考訳（メタデータ） (2022-09-20T16:36:28Z) - MDEAW: A Multimodal Dataset for Emotion Analysis through EDA and PPG
signals from wireless wearable low-cost off-the-shelf Devices [0.0]
本稿では,バルセロナのサバデルにあるユーレカット・アカデミーの教員が授業中に記録したEDA(Electronrmal Activity)と光麻痺(Photoplethys, PPG)信号からなるマルチモーダルデータベースMDEAWについて述べる。
信号はポータブル、ウェアラブル、ワイヤレス、低コスト、オフザシェルフの機器を使用してキャプチャされ、毎日のアプリケーションで感情的コンピューティング手法を使用できる可能性がある。
論文 参考訳（メタデータ） (2022-07-14T07:04:29Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - Detecting Operational Adversarial Examples for Reliable Deep Learning [12.175315224450678]
今後の運用において比較的高い確率で見られるAEである"operational AEs"という新しい概念を提示する。
操作性AE」を効率的に検出するための新しいDLテスト方法の初期設計が提供される。
論文 参考訳（メタデータ） (2021-04-13T08:31:42Z) - DETR for Crowd Pedestrian Detection [114.00860636622949]
提案した検出器PED(Pedestrian End-to-end Detector)は、CityPersonsとCrowdHumanの以前のEDとFaster-RCNNの両方より優れている。
また、最先端の歩行者検出手法と同等の性能を達成している。
論文 参考訳（メタデータ） (2020-12-12T11:02:05Z) - EEG-Based Brain-Computer Interfaces Are Vulnerable to Backdoor Attacks [68.01125081367428]
近年の研究では、機械学習アルゴリズムは敵攻撃に弱いことが示されている。
本稿では,脳波をベースとしたBCIの毒殺攻撃に狭周期パルスを用いることを提案する。
論文 参考訳（メタデータ） (2020-10-30T20:49:42Z) - Toward Smart Security Enhancement of Federated Learning Networks [109.20054130698797]
本稿では,フェデレートラーニングネットワーク(FLN)の脆弱性について概説し,毒殺攻撃の概要を紹介する。
FLNのためのスマートセキュリティ強化フレームワークを提案する。
深層強化学習は、良質なトレーニング結果を提供するエッジデバイス(ED)の挙動パターンを学ぶために応用される。
論文 参考訳（メタデータ） (2020-08-19T08:46:39Z)
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。