文献

J-GLOBAL ID：202202231288143214   整理番号：22A0107654

ウェアラブルセンサを有する高齢者におけるIADL依存の半自動評価のための機械学習アプローチ【JST・京大機械翻訳】

A machine learning approach for semi-automatic assessment of IADL dependence in older adults with wearable sensors

著者 (6件)： Garcia-Moreno Francisco M. (Department of Software Engineering, Computer Sciences School, University of Granada, C/ Periodista Daniel Saucedo Aranda, s/n, 18014 Granada, Spain) ,  Bermudez-Edo Maria (Department of Software Engineering, Computer Sciences School, University of Granada, C/ Periodista Daniel Saucedo Aranda, s/n, 18014 Granada, Spain) ,  Rodriguez-Garcia Estefania (Department of Physiology, Faculty of Health Sciences, University of Granada, Av. de la Ilustracion, 60, 18016 Granada, Spain) ,  Perez-Marmol Jose Manuel (Department of Physiology, Faculty of Health Sciences, University of Granada, Av. de la Ilustracion, 60, 18016 Granada, Spain) ,  Garrido Jose Luis (Department of Software Engineering, Computer Sciences School, University of Granada, C/ Periodista Daniel Saucedo Aranda, s/n, 18014 Granada, Spain) ,  Rodriguez-Fortiz Maria Jose (Department of Software Engineering, Computer Sciences School, University of Granada, C/ Periodista Daniel Saucedo Aranda, s/n, 18014 Granada, Spain)
資料名： International Journal of Medical Informatics  (International Journal of Medical Informatics)
巻： 157  ページ： Null  発行年： 2022年 
JST資料番号： D0729A  ISSN： 1386-5056  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： 高齢者における依存性の評価は,現在,アンケートから得たデータの手動収集を必要とする。この過程は臨床医にとって時間がかかり,高齢者の日常生活を侵入する。本論文は,日常生活(IADL)の1つの機器活動を遂行しながら,高齢成人における依存性を評価し予測するための健康データの取得と分析の半自動化を目的とする。モバイルヘルス(m-ヘルス)シナリオにおいて,著者らは,IADLsの性能の間のウェアラブルによるデータの取得,および機械学習技術の助けを借りて,従来のアンケートを置換して,依存性を評価することができるかどうかを分析した。そのために,著者らは,ウェアラブルからのデータを収集し,一方,高齢の成人はショッピング活動を行う。試験監督者(TS)は,収集したデータで異なるショッピング段階(SS)をラベルした。これらのSS上でデータ前処理技術を実行し,3つの機械学習アルゴリズム,k-最近傍(k-NN),ランダムフォレスト(RF)およびサポートベクトルマシン(SVM)を用いてそれらを分析した。著者らの結果は,従来のアンケートをウェアラブルデータに置き換えることが可能であることを確認した。特に,最良学習アルゴリズムは,依存性の評価において97%の精度を報告した。このアルゴリズムのハイパーパラメータを調整し,埋込み特徴選択技術を用いて,初期85から10特徴の部分集合で最良の性能を得た。このモデルは,単一ウェアラブルの4つのセンサから抽出された特徴のみを考慮した:加速度計,心拍数,電極活性,および温度。これらの特徴は観測されないが,現在の提案は,SS(スマートフォンアプリケーションで)を標識するTSを必要とするので,半自動である。将来,このラベリングプロセスは自動的であった。著者らの方法は,高齢者の日常活動を乱すことなく,依存性を半自動的に評価することができる。この方法は,高齢成人における依存の評価において臨床医の時間を節約することができ,医療費を削減できる。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  監督者 ,  購買 ,  加速度計 ,  心拍 ,  成人 ,  特徴選択 ,  アンケート ,  医療費 ,  センサ ,  *機械学習 ,  学習アルゴリズム ,  サポートベクトルマシン
準シソーラス用語： ウェアラブル ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (7件)： 依存評価 ,  IADL ,  高齢者 ,  機械学習 ,  ウェアラブルセンサ ,  E-健康 ,  予測

分類 (2件)： 医用情報処理  (JE15030Q) ,  予防医学一般  (GB01010B)

タイトルに関連する用語 (4件)： ウェアラブルセンサ ,  IADL ,  自動評価 ,  機械学習