Deep Reinforcement Learning Empowered Activity-Aware Dynamic Health Monitoring Systems

要約

スマート ヘルスケアでは、健康モニタリングではさまざまなツールとテクノロジーを利用して患者のリアルタイムの生体信号データを分析し、即時の対応と介入を可能にします。
既存の監視アプローチは、医療機器が指定された機能範囲に合わせて複数の健康指標を同時に追跡することを前提に設計されています。
これは、その範囲内のすべての関連する正常性値を報告することを意味します。これにより、無関係な正常性メトリクスを監視することにより、リソースが過剰に使用されたり、無関係なデータが収集されたりする可能性があります。
これに関連して、最適なモニタリングパフォーマンスとコスト効率のバランスを取るための動的アクティビティ認識ヘルスモニタリング戦略（DActAHM）、深層強化学習（DRL）とユーザーの状況に基づいた正確なモニタリングを保証するためのSlowFastモデルに基づく新しいフレームワークを提案します。
活動。
具体的には、SlowFast モデルを使用することで、DActAHM は個々のアクティビティを効率的に識別し、これらの結果を取得して処理を強化します。
その後、DActAHM は DRL フレームワークを組み込むことで、特定されたアクティビティに応じてヘルス メトリクスのモニタリングを改良します。
DActAHM を 3 つの最先端のアプローチと比較した広範な実験により、DActAHM がタイムライン全体で監視アクションを修正する最もパフォーマンスの高いベースラインよりも 27.3% 高いゲインを達成することが実証されました。

要約(オリジナル)

In smart healthcare, health monitoring utilizes diverse tools and technologies to analyze patients’ real-time biosignal data, enabling immediate actions and interventions. Existing monitoring approaches were designed on the premise that medical devices track several health metrics concurrently, tailored to their designated functional scope. This means that they report all relevant health values within that scope, which can result in excess resource use and the gathering of extraneous data due to monitoring irrelevant health metrics. In this context, we propose Dynamic Activity-Aware Health Monitoring strategy (DActAHM) for striking a balance between optimal monitoring performance and cost efficiency, a novel framework based on Deep Reinforcement Learning (DRL) and SlowFast Model to ensure precise monitoring based on users’ activities. Specifically, with the SlowFast Model, DActAHM efficiently identifies individual activities and captures these results for enhanced processing. Subsequently, DActAHM refines health metric monitoring in response to the identified activity by incorporating a DRL framework. Extensive experiments comparing DActAHM against three state-of-the-art approaches demonstrate it achieves 27.3% higher gain than the best-performing baseline that fixes monitoring actions over timeline.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google