Feasibility of sensor-based technology for monitoring health in developing countries - cost analysis and user perception aspects
了解发展中地区慢性病的经济负担仍然是一个重要的经济因素，影响成功实施基于传感器的应用程序，连续监测慢性病。我们的研究重点是将文献数据与发展中国家慢性病管理和治疗的实际成本进行比较，我们在这里以科索沃为例。结果显示，实际生活费用超过了慢性病所需的最低费用。在基于传感器的慢性病监测平台可能产生积极的经济影响之后，我们进一步研究了用户对数字技术的看法。本文的目的是介绍治疗慢性病的不同成本水平，确定用户对数字技术的关注和要求，并讨论基于传感器的平台的应用在低收入和中等收入国家意味着的问题和挑战。
2018-04-23 cs.CY
An Energy Efficient Wearable for Monitoring Elderly People Health
Graduate Program in Computer Science at Pontifical Catholic University of Rio Grande do Sul (PPGCC/PUCRS)（南里奥格兰德天主教大学计算机科学研究生项目）；Graduate Program in Biomedical Gerontology at Pontifical Catholic University of Rio Grande do Sul (GERONBIO/PUCRS)（南里奥格兰德天主教大学生物医学老年学研究生项目）
本文提出一种基于Sigfox物联网和手表型可穿戴设备的老年人健康监测系统，通过感知运动、位置和生命体征预测风险，实现至少30天电池寿命，具有低成本、低功耗和高效性。
2026-09-22 cs.CY eess.SP
Remote patient monitoring using artificial intelligence: Current state, applications, and challenges
University of Southern Queensland（南昆士兰大学）；Wuhan University of Technology（武汉理工大学）；Singapore University of Social Sciences（新加坡新跃社科大学）
人工智能（AI）在医疗保健领域的应用正在迅速增长。远程病人监护（RPM）是一种常见的医疗保健应用程序，可帮助医生监测远程位置的慢性或急性疾病患者，家庭护理中的老年人，甚至住院患者。手动患者监护系统的可靠性取决于工作人员的时间管理，而时间管理又取决于工作量。常规的患者监测涉及需要皮肤接触以监测健康状态的侵入性方法。本研究旨在对RPM系统进行全面的回顾，包括采用的先进技术，AI对RPM的影响，AI支持的RPM的挑战和趋势。本综述探讨了以患者为中心的RPM架构的优势和挑战，该架构使用云、雾、边缘和区块链技术，通过物联网可穿戴设备和传感器实现。人工智能在RPM中的作用范围从身体活动分类到慢性疾病监测和紧急情况下的生命体征监测。该综述结果表明，支持AI的RPM架构已经改变了医疗保健监测应用程序，因为它们能够检测患者健康状况的早期恶化，使用联邦学习个性化个体患者健康参数监测，并使用强化学习等技术学习人类行为模式。本文讨论了将AI应用于RPM系统的挑战和趋势以及实施问题。在此基础上，分析了人工智能在RPM应用中的发展趋势和面临的挑战
2023-01-19 cs.AI cs.CY
The Risk to Population Health Equity Posed by Automated Decision Systems: A Narrative Review
UNSW Sydney（悉尼新南威尔士大学）
人工智能已经无处不在，并且越来越多地被用于自主做出更重要的决策。然而，对人口健康公平性的现有和可能后果的研究相对较少。使用解释学方法进行了叙述性审查，以探索当前和未来在医学和公共卫生中使用狭义人工智能和自动决策系统（ADS），出现的问题以及对公平的影响。报告显示，人们对人工智能改变医疗和公共卫生实践寄予厚望。人工智能能力的突出表现--特别是在诊断决策、风险预测和监测方面--正在刺激新冠肺炎的快速采用。自动化决策对个人和人群的健康和福祉产生重大影响。与此同时，很明显，在刑事司法等敏感领域，包括偏见，不稳定性和隐私侵蚀在内的危险已经出现，在这些领域中，狭窄的AI和ADS是常用的。关于其在保健方面的使用所引起的问题的报告已经出现。随着ADS在健康领域的使用扩大，这些危害可能会更加广泛地显现出来。偏见、不可争议性和隐私侵犯会产生使现有的社会、经济和健康差异永久化和扩大的机制。因此，在卫生领域使用ADS有可能加剧现有的人口健康不公平现象。ADS应用的工业规模和速度加大了对人口健康公平性的风险。因此，卫生从业人员和政策制定者有责任探索使用ADS的潜在影响，以确保使用人工智能促进人口健康和公平。
2022-01-20 cs.AI cs.CY
Web data mining for public health purposes
长期以来，一直在监测公共卫生事件，如疾病发生率或疫苗接种活动，以跟踪人口的健康状况，从而能够评估公共卫生举措的效果，并决定用于改善公共卫生的资源的最佳用途。本文主要研究了Web数据采掘在公共卫生监测中的应用，主要研究内容包括：从Web挖掘数据中预测公共卫生事件的新方法; Web挖掘数据在公共卫生监测中的新应用。
2019-05-02 cs.CY cs.IR
Beyond Patient Monitoring: Conversational Agents Role in Telemedicine & Healthcare Support For Home-Living Elderly Individuals
University of Trento（特伦托大学）
有必要使系统与老龄人口动态互动，以收集信息，监测健康状况并提供支持，特别是在出院后或在家中。数字健康已经提供了几种智能设备，与远程医疗系统，智能手机和其他数字服务捆绑在一起。虽然这些解决方案提供个性化的数据和建议，但真正的颠覆性步骤来自以聊天机器人为代表的新数字生态系统的互动。聊天机器人将发挥主导作用，体现虚拟助手的功能，弥合患者和临床医生之间的差距。在人工智能和机器学习算法的支持下，预计聊天机器人在代替人类使用时可以节省医疗成本，或者作为帮助评估病情和提供自我护理建议的初步步骤来帮助他们。本文介绍了将聊天机器人集成到远程医疗系统中，用于老年患者出院后。本文讨论了利用聊天机器人协助医疗保健提供者和支持患者病情的可能方法。
2018-03-03 cs.AI cs.CY
Context-Aware Adaptive Framework for e-Health Monitoring
University of Bordeaux – LaBRI（波尔多大学 – 波尔多计算机科学研究所）；University of Rennes 1 – IRISA（雷恩第一大学 – 雷恩计算机科学与随机系统研究所）
为改善电子健康服务，我们提出了一个情境感知框架，以监测受抚养人的日常生活活动。我们定义了一个战略，用于生成长期的现实场景和一个框架，其中包含一个自适应监控算法的基础上优化资源使用的三种方法。所使用的方法提供了一个深入的了解有关的人的情况下，考虑：人的个人资料，活动和活动之间的关系。我们评估我们的框架的性能，并显示其适应性和显着减少网络，能源和处理使用超过传统的监测实施。
2016-05-10 cs.AI cs.CY cs.NI
Decentralized Social Media and Artificial Intelligence in Digital Public Health Monitoring
EPFL（洛桑联邦理工学院）
本文探讨了去中心化社交媒体与人工智能在数字公共卫生监测中的应用，分析了数据获取与AI技术之间的矛盾，并提出了适应性策略。
2025-12-03 cs.CY q-bio.PE
Criticality and Utility-aware Fog Computing System for Remote Health Monitoring
不断发展的远程健康监测系统允许持续监测患者的状况以及在医疗设施外进行预防和控制检查。然而，实时智能医疗应用提出了一个延迟约束，必须有效地解决。雾计算正在成为这种实时应用的有效解决方案。此外，不同的医疗中心正在被不断增长的基于物联网的远程医疗系统所吸引，以便通过租用Fog计算资源来获利。然而，考虑到医疗中心的利润，需要一种有效的算法模型来分配危急度感知智能医疗系统中有限的雾计算资源。因此，这项工作的目标是最大限度地提高系统的效用作为一个线性组合的医疗中心的利润和病人的损失计算。为了衡量利润，我们提出了一个基于统一定价的模型。此外，我们提出了一个交换为基础的启发式，以最大限度地提高系统效用。所提出的启发式测试的各种参数，并表现出接近最佳的关键意识在其核心。通过大量的模拟，我们表明，所提出的启发式算法实现了$96\%$的最优平均效用，在多项式时间的复杂性。
2022-04-02 cs.CY cs.GT eess.SP
Wearable Health Monitoring System for Older Adults in a Smart Home Environment
University of Kentucky（肯塔基大学）
物联网的出现使互联和集成的智能健康监测系统的设计成为可能。这些智能健康监测系统可以在智能家居环境中实现，为老年人提供长期护理。在本文中，我们提出了一个可穿戴健康监测系统，适合老年人在智能家居环境中的设计。所提出的系统提供了在智能家居环境中监测个人的压力、血压和位置的解决方案。在这项工作中提出的压力检测模型使用嵌入在智能腕带中的皮肤电活动（EDA），光电容积脉搏波（PPG）和皮肤温度（ST）传感器来检测生理压力。压力检测模型使用从唾液皮质醇获得的压力标签进行训练和测试，唾液皮质醇是临床上建立的生理压力的生物标志物。一个基于语音的原型也实现了所提出的系统集成在智能家居环境中的可行性进行了分析，通过模拟数据采集和流的情况。我们还提出了一个血压估计模型，使用PPG信号和先进的回归技术与可穿戴健康监测系统中的压力检测模型集成。最后，一个语音辅助室内定位系统的设计提出了与智能家居环境内的建议系统集成。提出的可穿戴健康监测系统是实现具有广泛诊断能力的智能家居环境的一个重要方向，这样的系统可以用于在舒适的家中为老年人提供长期和个性化的护理。
2021-06-09 cs.CY cs.HC cs.LG
Personal Data Protection in Smart Home Activity Monitoring for Digital Health: A Case Study
本文针对智能家居ADL监测用于认知衰退早期检测时的隐私挑战，分享了应用隐私设计原则开发并部署基于传感器的HAR系统的案例经验，以平衡数字健康需求与个人数据保护。
2025-03-27 cs.CY cs.HC
Waymo's Fatigue Risk Management Framework: Prevention, Monitoring, and Mitigation of Fatigue-Induced Risks while Testing Automated Driving Systems
Waymo（Waymo公司）
该报告介绍了Waymo关于系统性疲劳风险管理框架的建议，该框架旨在预防、监控和缓解ADS技术道路测试期间的疲劳风险。拟议的框架保持灵活性，以纳入持续改进，并通过最先进的实践，研究，学习和经验（包括Waymo内部和外部）提供信息。疲劳是一个公认的贡献因素，在相当大的一部分涉及人类驾驶员的道路碰撞，减轻疲劳引起的风险仍然是一个开放的关注研究世界各地。虽然拟议的框架是专门针对SAE 4级ADS技术的道路测试而设计的，但它也对较低水平的自动化具有影响和适用性。
2022-08-26 cs.CY cs.RO
Location inference on social media data for agile monitoring of public health crises: An application to opioid use and abuse during the Covid-19 pandemic
新型冠状病毒肺炎疫情与阿片类药物疫情一起引发了一场独特的公共卫生危机，该病毒的健康和经济后果以及相关的封锁加剧了与阿片类药物和海洛因使用和滥用增加相关的原有社会和经济压力。为了更好地理解这些连锁危机，我们使用社交媒体数据来提取关于新冠肺炎大流行期间阿片类药物使用者经历的定性和定量见解。特别是，我们使用无监督学习的方法来创建一个丰富的地理定位数据源的公共卫生监测和分析。为此，我们首先通过结合命名实体识别、地理编码、基于密度的聚类和探试法来推断参与阿片类药物相关子社区（subreddits）的26,000名Reddit用户的位置。我们的策略在手动注释的参考数据集上实现了63%的州级位置推断准确率。然后，我们利用用户群体的地理空间性质，回答与政策相关的问题，这些问题涉及在新冠肺炎期间平衡经济与健康问题的不同州一级政策方法的影响。我们发现，州政府优先考虑经济重新开放而不是遏制病毒传播的战略为阿片类药物使用者创造了一个明显不同的环境和结果。我们的研究结果表明，地理空间社交媒体数据可用于灵活监测复杂的公共卫生危机。
2021-11-02 cs.CY econ.GN q-fin.EC
A Dashboard Approach to Monitoring Mpox-Related Discourse and Misinformation on Social Media
本研究开发了一个面向研究人员的交互式仪表盘，用于搜索和可视化猴痘相关推文，以支持公共卫生利益相关者监测社交媒体讨论和错误信息，并发现2024年8月CDC指定猴痘为新兴病毒后推文量显著增加。
2025-05-26 cs.CY cs.HC cs.SI
Advancing Smart Malnutrition Monitoring: A Multi-Modal Learning Approach for Vital Health Parameter Estimation
本研究提出了一种基于多模态学习的智能营养不良监测系统，通过单张全身图像重建3D点云并提取多源特征，准确估计身高、体重及BFP、BMR、BMI等关键健康指标，在多设备光照条件下保持稳健性。
2023-07-31 cs.AI cs.CV cs.CY
