通过使用可穿戴数据评估生活质量的深度学习的审查

科学领域:

• * 医疗信息学 医疗信息学
• * 医疗保健中的人工智能
• * 人与计算机的交互

背景情况:

• * 生活质量 (QoL) 评估传统上依赖于主观措施,缺乏量化和标准化.
• *世界卫生组织将QOL定义为包括身体,精神和社会福祉.
• *可穿戴传感器件为远程监控提供连续的实时生理数据.

研究的目的:

• * 审查深度学习 (DL) 技术在生活质量 (QoL) 评估中的整合.
• *专注于对可穿戴传感器数据进行分析,以进行QoL评估.
• * 检查DL在评估身体和心理健康中的作用.

主要方法:

• * 综合深度学习 (DL) 和可穿戴数据用于QoL评估的研究的综合文献综述.
• *分析DL模型在处理各种数据集 (生理信号,患者结果) 的能力.
• *对研究的批判性审查,重点是物理和心理的QoL子域.

主要成果:

• * 深度学习 (DL) 模型在分析复杂的可穿戴数据以进行高质量生活评估方面显示出巨大潜力.
• * DL 允许对身体和心理健康进行更客观和标准化的评估.
• *可穿戴技术与DL相结合,可促进远程监控和个性化的QoL洞察力.

结论:

• * 深度学习 (DL) 提供了一种强大的方法来克服传统生活质量 (QoL) 评估的局限性.
• * DL与可穿戴数据的整合增强了对身体和心理健康的理解和测量.
• * 本综述强调需要进一步的研究,以充分利用DL,在不同人群中改善QOL结果.