文献

J-GLOBAL ID：201702227992955707   整理番号：17A1772552

集中治療データに対する時間的抽象化を介した異常検出:方針説明書【Powered by NICT】

Anomaly Detection Through Temporal Abstractions on Intensive Care Data: Position Paper

著者 (3件)： Gelatti Giovana Jaskulski ,  Carvalho Andre Carlos Ponce de Leon Ferreira de ,  Rodrigues Pedro Pereira
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CBMS  ページ： 354-355  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 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】

シソーラス用語： 健康管理 ,  *機械学習 ,  可視化 ,  異常値 ,  患者 ,  センサ ,  周波数 ,  構造形成
準シソーラス用語： 健康 ,  病型 ,  データストリーム ,  *異常検出 ,  *集中治療 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 集中治療 ,  抽象化 ,  異常検出 ,  説明書