文献
J-GLOBAL ID:202202281732433452   整理番号:22A1062685

人間-AI協調,臨床意思決定支援システムのための効率的なアノテーションに向けて:物理的脳卒中リハビリテーション評価に関する事例研究【JST・京大機械翻訳】

Towards Efficient Annotations for a Human-AI Collaborative, Clinical Decision Support System: A Case Study on Physical Stroke Rehabilitation Assessment
著者 (5件):
資料名:
号: IUI ’22  ページ: 4-14  発行年: 2022年 
JST資料番号: D0698C  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:
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。
人工知能(AI)と機械学習(ML)アルゴリズムは,健康における様々な意思決定タスク(例えばリハビリテーション評価)をサポートするためにますます探索されている。しかし,そのようなAI/MLベースの意思決定支援システムの開発は,注釈付きデータセットを収集するための高価なプロセスのために挑戦的である。本論文では,ドメインエキスパートからルールベース(RB)モデルを持つMLモデルを増強する,人間-AI協調,臨床意思決定支援システムの開発プロセスについて述べた。15名の脳卒中後生存者と治療士からの3つの運動データセットによる身体的脳卒中リハビリテーションの評価との関連で,その経験的評価を行った。本結果は,意思決定支援システムの効率的な開発とアノテーションに関する新たな洞察をもたらす:注釈付きデータセットが最初に利用できないとき,RBモデルは,脳卒中後の生存者の運動の質の評価と,MLモデルの訓練のための効率的な注釈をサポートするための低い信頼スコアのサンプルの同定に使用できる。特に,このシステムは,セラピストからすべての注釈を持つMLモデルと等しく良い性能を達成するMLモデルを訓練するために,セラピータから注釈の22~33%だけを必要とする。本研究では,注釈付きデータセットを効果的に収集し,複雑な意思決定タスクをサポートするための人間-AI協調アプローチの価値を論じた。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
リハビリテーション  ,  医療用機器装置 

前のページに戻る