یک معماری محاسبات هوشمند در اینترنت اشیاء پزشکی جهت کاهش تاخیر سیستم نظارت مستمر بیماران کم توان حرکتی و بیماران خاص

فناوری اینترنت اشیاء (IoT) یک رویکرد ساختاریافته برای رسیدگی به جنبه های ارائه خدمات مراقبت های بهداشتی از نظر سلامت و نظارت از راه دور برای بیماران دارای شرایط خاص و بیمار های تهدیدکننده زندگی ارائه می دهد. اینترنت اشیاء حجم بی سابقه ای از داده را تولید می کند که می تواند با استفاده از محاسبات ابری پردازش شود که به دلیل محدودیت منابع ،تاخیر بسیار زیادی را به دنبال خواهد داشت. اما برای برنامه های نظارت بر سلامت از راه دور بی درنگ، تاخیر ناشی از انتقال داده ها به ابر و بازگشت به برنامه غیرقابل قبول است. در این مقاله نظارت از راه دور سلامت بیمار در خانه های هوشمند با استفاده از مفهوم محاسبه مه در دروازه هوشمند پیشنهاد شده است. سیستم تشخیص FOG پیاده سازی شده تحت محاسبات مه، شامل یک نگاشت خطی و نگاشت موبیوس در ترکیب با منطق فازی برای ایجاد خروجی چند سطحی(MLFM-Map) بود که از وضوح های فضایی مختلف در تجزیه و تحلیل داده های حرکتی بهره برداری می کند. رویکرد پیشنهاد شده عملکرد طبقه بندی خوب تا عالی را نشان داد، با دقت بیش از ۹۰٪ از قسمت های FOG به طور متوسط با تاخیر بسیار کم در مجموعه داده اصلی شناسایی شد.

Keywords:

تشخیص انجماد راه رفتن (FOG) , بیماری پارکینسون (PD)