Key points are not available for this paper at this time.
Die Nutzung von künstlicher Intelligenz und Techniken des maschinellen Lernens in Gesundheitsanwendungen wurde in den letzten Jahren aktiv erforscht. Es bietet vielversprechende Möglichkeiten, da es verwendet wird, um menschliche Aktivitäten und Vitalzeichen mithilfe tragbarer Geräte zu verfolgen und bei der Diagnose von Krankheiten zu helfen. Es kann eine große Rolle in der Altenpflege sowie bei der Überwachung und Diagnose der Gesundheit von Patienten spielen. Mit den erheblichen technologischen Fortschritten bei medizinischen Sensoren und der Miniaturisierung von elektronischen Chips in den letzten fünf Jahren werden immer mehr Anwendungen für tragbare Geräte erforscht und entwickelt. Trotz des bemerkenswerten Wachstums bei der Nutzung von Smartwatches und anderen tragbaren Geräten haben nur wenige dieser umfangreichen Forschungsanstrengungen im Bereich der Anwendungen des maschinellen Lernens den Weg auf den Markt gefunden. In dieser Studie wird ein Überblick über die verschiedenen Bereiche der aktuellen Forschung im Bereich des maschinellen Lernens für tragbare Gesundheitsgeräte gegeben. Verschiedene Herausforderungen, die maschinelle Lernanwendungen auf tragbaren Geräten betreffen, werden diskutiert. Potenzielle Lösungen aus der Literatur werden vorgestellt, und Bereiche, die offen für Verbesserungen und weitere Forschung sind, werden hervorgehoben.
Sabry et al. (Mon,) untersuchten diese Frage.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: