生理学的MTL:最適輸送マルチタスク回帰を用いた生理学的パターンの個人化【JST・京大機械翻訳】

Zhu Jiacheng; Darnell Gregory; Kumar Agni; Zhao Ding; Li Bo; Nguyen Xuanlong; Ren Shirley You

プレプリント

J-GLOBAL ID：202202214786711872 整理番号：22P0309245

生理学的MTL:最適輸送マルチタスク回帰を用いた生理学的パターンの個人化【JST・京大機械翻訳】

PhysioMTL: Personalizing Physiological Patterns using Optimal Transport Multi-Task Regression

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年03月19日プレプリントサーバーでの情報更新日： 2022年03月19日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

背景:心拍数変動(HRV)は自律神経系活動の実際的で非侵襲的な測定であり,心血管健康において必須の役割を果たす。しかし,生理学状態を評価するためにHRVを使用することは挑戦的である。臨床設定においても,HRVは身体活動,精神的ストレス,水和,アルコール,および睡眠などの急性ストレッサーに敏感である。摩耗可能なデバイスは便利なHRV測定を提供するが,測定の不規則性と捕捉されないストレッサーは従来の分析法をバイアスできる。下流医療応用に対するHRV測定をより良く解釈するために,各個人に対する正確な生理学的指標として個別化した日周リズムを学習した。マルチタスク学習(MTL)フレームワークの中で最適輸送理論を利用することにより,生理学的マルチタスク学習(PhysioMTL)を開発した。提案方法は,不均一観測から個々の特異的予測モデルを学習し,各タスクの人口統計学的特徴にプッシュフォワード操作を与える最適輸送マップの推定を可能にする。著者らのモデルは,合成および2つの実世界データセットのための非観察予測タスクに関して,競合するMTL方法論より優れている。特に,著者らの方法は,実世界観察研究での被験者の20%のみを与えられた,非セエントアウト被験者に関する顕著な予測結果を提供する。さらに,本モデルは,HRVリズムに対する急性ストレッサーと慢性条件の影響を発生させる対抗的エンジンを可能にする。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

生体計測

, , ,

前のページに戻る