Fugu-MT 論文翻訳(概要): Monitoring and Prediction of Mood in Elderly People during Daily Life Activities

論文の概要: Monitoring and Prediction of Mood in Elderly People during Daily Life Activities

arxiv url: http://arxiv.org/abs/2603.11230v1
Date: Wed, 11 Mar 2026 18:55:39 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-13 14:46:25.597525
Title: Monitoring and Prediction of Mood in Elderly People during Daily Life Activities
Title（参考訳）: 高齢者の日常生活活動におけるムードのモニタリングと予測
Authors: Daniel Bautista-Salinas, Joaquín Roca González, Inmaculada Méndez, Oscar Martinez Mozos,
Abstract要約: 日常生活における高齢者の気分状態をモニタリングし,予測する知的ウェアラブルシステムを提案する。本システムは,各種生理活動を記録するリストバンドと,エコロジーモーメントアセスメント(EMA)のためのモバイルアプリで構成されている。提案手法は, 気分の正確さに関する有望な結果を示し, 幸福感と活力の特定の検出における技術状況に匹敵する結果を与える。
参考スコア（独自算出の注目度）: 0.359986669039879
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present an intelligent wearable system to monitor and predict mood states of elderly people during their daily life activities. Our system is composed of a wristband to record different physiological activities together with a mobile app for ecological momentary assessment (EMA). Machine learning is used to train a classifier to automatically predict different mood states based on the smart band only. Our approach shows promising results on mood accuracy and provides results comparable with the state of the art in the specific detection of happiness and activeness.
Abstract（参考訳）: 日常生活における高齢者の気分状態をモニタリングし,予測する知的ウェアラブルシステムを提案する。本システムは, 各種生理活動を記録するリストバンドと, エコロジーモーメントアセスメント(EMA)のためのモバイルアプリから構成される。機械学習は、スマートバンドのみに基づいて、異なるムード状態を自動予測するために分類器を訓練するために使用される。提案手法は、気分の正確さに関する有望な結果を示し、幸福感と活力の特定の検出における最先端技術に匹敵する結果を提供する。

関連論文リスト

Using machine learning methods to predict cognitive age from psychophysiological tests [0.0]
平均完了時間,正解率,カラーキャンピメトリテストの平均絶対デルタ,M"アンスターバーグ行列における推定単語数,その他のパラメータを被験者毎に算出した。得られた特徴を前処理し、個人の認知年齢を予測する回帰タスクを実装する機械学習アルゴリズムを訓練するために使用した。
論文参考訳（メタデータ） (2025-10-20T09:24:44Z)
Information Fusion in Multimodal IoT Systems for physical activity level monitoring [10.569815386225137]
本研究は、IoTシステムにおける情報融合を利用して、クラスタリング手法を用いて、各クラスタ内の振る舞いとキー特性の類似性を識別する。このアプローチは行動変化の早期発見を促進し、継続的な健康モニタリングのための行動ルーチンをより深く理解する。
論文参考訳（メタデータ） (2024-03-17T21:06:38Z)
MISO: Monitoring Inactivity of Single Older Adults at Home using RGB-D Technology [5.612499701087411]
高齢者の自宅における移動の欠如をリアルタイムにモニタリングするための新しいアプリケーションを提案する。高齢者の日常生活行動を監視するために,地域家庭における軽量カメラ監視システムを開発した。
論文参考訳（メタデータ） (2023-11-03T21:51:33Z)
Heterogeneous Hidden Markov Models for Sleep Activity Recognition from Multi-Source Passively Sensed Data [67.60224656603823]
精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
論文参考訳（メタデータ） (2022-11-08T17:29:40Z)
Objective Prediction of Tomorrow's Affect Using Multi-Modal Physiological Data and Personal Chronicles: A Study of Monitoring College Student Well-being in 2020 [0.0]
本研究の目的は、複数の商用機器を用いて、完全自動的かつ客観的なアプローチにより、影響をより正確に予測する能力を検討することである。 1年以上にわたり、スマートウェアラブルと携帯電話を使用した大学生のサンプルから、縦断的生理データと毎日の感情評価を収集した。その結果,本モデルでは,技術手法に匹敵する精度で,翌日への影響を予測することができた。
論文参考訳（メタデータ） (2022-01-26T23:06:20Z)
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)
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)
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)
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)
Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。