Self-tracking reloaded: Applying process mining to personalized health care from labeled sensor data
Visualitza/Obre
10.1007/978-3-662-53401-4_8
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/91090
Tipus de documentArticle
Data publicació2016
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
Currently, there is a trend to promote personalized health care in order to prevent diseases or to have a healthier life. Using current devices such as smart-phones and smart-watches, an individual can easily record detailed data from her daily life. Yet, this data has been mainly used for self-tracking in order to enable personalized health care. In this paper, we provide ideas on how process mining can be used as a fine-grained evolution of traditional self-tracking. We have applied the ideas of the paper on recorded data from a set of individuals, and present conclusions and challenges.
CitacióSztyler, T., Carmona, J., Völker, J., Stuckenschmidt, H. Self-tracking reloaded: Applying process mining to personalized health care from labeled sensor data. "Lecture notes in computer science", 2016, vol. 9930, p. 160-180.
ISSN0302-9743
Versió de l'editorhttp://link.springer.com/chapter/10.1007/978-3-662-53401-4_8
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
self-tracking.pdf | 1,069Mb | Visualitza/Obre |