MétaCan
Menu
Retour à la cohorte
Enregistrement W4396667519 · doi:10.1109/jbhi.2024.3384719

Guest Editorial AI-Empowered Internet of Things for Data-Driven Psychophysiological Computing and Patient Monitoring

2024· editorial· en· W4396667519 sur OpenAlexaff
Kai Fang, Wei Wang, Marcin Woźniak, Qingchen Zhang, Keping Yu, Junxin Chen, Amr Tolba, Leo Yu Zhang

Notice bibliographique

RevueIEEE Journal of Biomedical and Health Informatics · 2024
Typeeditorial
Langueen
DomaineNeuroscience
ThématiqueBrain Tumor Detection and Classification
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceThe InternetData scienceRemote patient monitoringInternet of ThingsBig dataWorld Wide WebHuman–computer interactionData miningMedicine

Résumé

récupéré en direct d'OpenAlex

As The cornerstone of human health, physical and mental well-being are intricately linked, influencing both an individual's physical condition and their emotional state [1]. Chronic diseases such as hypertension and diabetes can have a significant impact on mental health, leading to anxiety and depression [2]. Similarly, psychological problems such as stress, anxiety, and depression can weaken the immune system, making individuals more susceptible to physical illnesses. In recent years, the rapid development of technology has brought exciting new possibilities to the field of physical and psychological health. The Internet of Things (IoT) and artificial intelligence (AI) have shown great potential in building a comprehensive health management system that empowers individuals to take a more proactive role in their well-being.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,608

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,065
Tête enseignante GPT0,377
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Biomedical and Health InformaticsMême sujetBrain Tumor Detection and ClassificationTravaux en français237 207