Jan, 2023

智能 RPM 用于心理健康设施

PDF
TL;DR本文介绍了一种基于 RFID 技术和 AI 的远程病人监护系统框架，可以从接受治疗的患者中检索重要数据以预测病人未来 3 小时内的生命体征。通过监控病人实时数据的变化，医生们能够进行医疗干预并及时避免不可预见的医疗风险。
mental healthcareremote patient monitoringaipredictive environmentnon-invasive technology
发现论文，激发创造
  • 利用人工智能进行远程患者监测：现状、应用和挑战

    人工智能在远程健康监测领域的研发方面与物联网设备集成，能够提供更为便捷的方案，以监测老年人及患有慢性或急性疾病患者的健康，进行病患个性化医疗监控和行为模式分析，并能够通过广泛使用的增强学习技术和群体学习技术，提早预测患者的健康状况及早发现患病风险。

    Jan, 2023

  • RPM3D 项目：远程患者监测的三维运动学

    该研究探讨了基于智能手表捕获的 3D 动作分析的远程患者监护可能性，该研究基于快速人类运动的运动学理论，在古特曼神经康复医院进行了实验验证，并显示出有前途的结果。该技术可能在远程医疗应用中发挥重要作用，提高医疗效率，降低医疗成本，未来将进一步在临床验证、多模式分析体系结构以及监测其他神经退行性疾病的应用方面探索。

    Dec, 2022

  • FedStack：使用堆叠联邦学习进行个性化活动监测

    本研究提出了一种名为 FedStack 的分散式联邦学习架构，支持广泛的异构架构客户机模型，提高远程病人监测的性能并保护病人的隐私；通过在移动健康传感器基准数据集上应用该架构进行实验，证明了其在分类 12 种常规活动方面的性能优于其他相似架构，并为建立客户隐私的增强型远程病人监测系统奠定了基础。

    Sep, 2022

  • MentalHealthAI：利用个人健康设备数据优化精神病学治疗

    本文提出了一种个性化心理健康监测和情绪预测系统，利用患者生理数据，并采用分散的学习机制结合传输和联邦机器学习，使数据留在用户设备上，在隐私和可追踪的方式下实现心理健康条件的跟踪和管理，从而为精神科治疗提供了一个新颖的解决方案。

    Jul, 2023

  • 基于多智能体深度强化学习的 AI 驱动病人监测

    通过使用多智能体深度强化学习 (DRL) 的人工智能驱动的患者监控框架，我们提出了一个有效的患者监测系统，在处理复杂、动态的环境和波动的生命体征方面具有很大优势。我们的实验结果证明了该框架在监测患者生命体征方面的准确性优于传统模型，并通过超参数优化来提升学习过程，使其能够适应多样的患者情况和实时做出决策。

    Sep, 2023

  • 精准精神病学的机器学习现代视角

    通过将机器学习和神经调节技术与先进的可穿戴和移动技术相结合，提供了广泛的机会来在精确精神病学中提供解释性方案和有效的治疗方法。

    Apr, 2022

  • GVT2RPM：一项有关于应用普适视频 Transformer 进行远程生理测量的经验研究

    使用视频转换器架构，以无需特定模块的方式，基于丰富的时间信息进行远程生理测量，克服了现有方法中的一些限制，并在多个数据集上获得了有利结果。

    Jun, 2024

  • AI 增强的重症监护室：通过普适感应技术改变患者护理

    本文介绍了我们开发的具有智能化监测和视觉评估功能的 Intelligent Intensive Care Unit (I2CU) 系统结构，该系统使用感知和数据处理，从多个模式收集数据，包括深度图像、颜色 RGB 图像、加速度计、肌电图、声压和光强度，用于连续和细粒度的重症监护和评估。

    Mar, 2023

  • 深度强化学习驱动的活动感知动态健康监测系统

    基于深度强化学习和 SlowFast 模型，我们提出了适应用户活动的动态活动感知健康监测策略（DActAHM），以在卫生监测性能和成本效益之间取得平衡。通过 SlowFast 模型，DActAHM 能够高效识别个体活动并进行精确监测，之后通过深度强化学习框架对识别到的活动进行健康指标监测的优化。与三种最先进的方法进行的广泛实验表明，DActAHM 获得了比固定监测行为的最佳基准线高出 27.3% 的增益。

    Jan, 2024

  • 追求相关性

    通过使用与临床环境相一致的关键指标，研究成功构建出以临床重要指标为重点的机器学习模型，从而提高了 ICU 患者护理水平。

    Mar, 2024