文献

J-GLOBAL ID：201802278699423307   整理番号：18A0823869

スマートバッチと逐次行動モデルを用いた認知症における物理的攪拌の推論【JST・京大機械翻訳】

Inferring physical agitation in dementia using smartwatch and sequential behavior models

著者 (4件)： Alam Ridwan (Department of Electrical and Computer Engineering, University of Virginia, Charlottesville, VA 22904) ,  Anderson Martha (Department of Interprofessionalism and the Department of Psychiatry & Behavioral Medicine, Virginia Tech Carilion School of Medicine, Roanoke, VA 24014) ,  Bankole Azziza (Department of Interprofessionalism and the Department of Psychiatry & Behavioral Medicine, Virginia Tech Carilion School of Medicine, Roanoke, VA 24014) ,  Lach John (Department of Electrical and Computer Engineering, University of Virginia, Charlottesville, VA 22904)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： BHI  ページ： 170-173  発行年： 2018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： 認知症(PWD)を有する地域在住者の介護者は,PWDの撹拌エピソードに関連する挑戦的でストレスの多い環境としばしば苦struする。このようなエピソードはPWDと介護者の両方に対する主要な健康リスクをもたらす。タイムリーな検出はそのようなイベントの拡大とその有害な結果を防ぐことができる。ウェアラブルセンサは生理学的パラメータの連続センシングに広く使われているが,このような信号からの行動イベントの信頼できる推論はまだオープンな研究である。居住環境における行動推論は,予測不可能で多様な活動パターンの普及により困難である。本論文は,PWD慣性運動データからの撹拌エピソードの開始を推論するための新しい方法論を提示した。学際的研究の一部として,スマート時計上の慣性センサを用いて,それらの家庭に存在する8つの臨床的に診断されたPWDからの長い展開の間の運動パターンを確実に捉えることができる。これらのパターンを解析して,長い短期メモリ(LSTM)に基づく再帰ニューラルネットワークを用いた逐次挙動モデルを構築した。撹拌エピソードの開始を推定するこのモデルの性能を,実際の展開からのデータを用いて評価した。本論文では,実世界応用のためのセンシングベースの行動推論におけるそのようなモデルの可能性を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  ニューラルネットワーク ,  *撹拌 ,  *認知症 ,  住環境 ,  予測
準シソーラス用語： 挙動モデル ,  運動パターン ,  慣性センサ ,  学際的研究 ,  ウェアラブルセンサ ,  健康リスク ,  エピソード ,  介護者 ,  *行動モデル , 【Automatic Indexing@JST】

分類 (1件)： 神経の臨床医学一般  (GN01030H)

タイトルに関連する用語 (6件)： バッチ ,  行動モデル ,  認知症 ,  物理 ,  攪拌 ,  推論