抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
大量の情報は,集中的なヘルスケアにおける連続的に生成した。これらデータストリームの解析は患者のモニタリングを改善するための貴重な洞察を提供する。,ラベル付けされていないもので,体積データの周波数と複雑さは,それらの分析を難しくしている。機械学習(ML)技術は健康管理モニタリングのための有用な知識を抽出するマイニングデータストリームのための使用に成功した。センサの挙動,機械やシステムの故障,データ異常の変化の検出を含んでいる。異常(または異常値)検出はデータセットにおける例外または異常を発見することを目的としたMLタスクである。これら例外,医療の観点から,新しい病型,さらに調査する事象,挙動変化や潜在的健康合併症を表すことができる。データストリームにおけるその解析挑戦的な課題であるにもかかわらず,時間的抽象化技術は,時間ベースデータの管理と抽象化を用いた,構造化した各データオブジェクトの可視化の高レベルを提供するに起因する助けとなるはずである。本論文の目的は,異常検出と時間的抽象化の最近の研究をレビューし,集中治療データストリームへの組合せの応用を議論することである。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】