توسعه مدل پیش بینی حمله قلبی در بستر محاسبات مه

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 53

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JHBMI-8-3_008

تاریخ نمایه سازی: 9 مرداد 1403

Abstract:

مقدمه: مطالعات مختلف مزایای استفاده از محاسبات توزیع شده مه برای شبکه های اینترنت اشیاء را به اثبات رسانده اند؛ زیرا قابلیت های رایانش ابری همچون محاسبات، ذخیره سازی و پردازش را به گره های اینترنت اشیاء نزدیک تر کرده است. الگوی جدید محاسبات مه و محاسبات لبه با نزدیک کردن منابع به کاربران در مقایسه با محاسبات ابری، تاخیر کمتری برای پردازش داده ها ارائه داده است که این امر برای کاربردهای حساس به تاخیر همچون حوزه مراقبت سلامت از راه دور ضروری است و ارائه خدمات قابل اعتماد تر را فراهم می کند. در این پژوهش جهت پایش وضعیت بیماران قلبی یک سیستم مبتنی بر مه ارائه شده است. روش: این پژوهش از نوع توسعه ای- کاربردی است. به منظور ارزیابی ، از مجموعه داده بیماران عروق کرونر قلبی موجود در مخزن داده یادگیری ماشین دانشگاه ارواین استفاده شد. در این سیستم، هر یک از علامت های بیمار قلبی بر اساس محدوده نرمال در لایه مه ارزیابی و وخامت حال بیمار بررسی می گردد. در این لایه، تقاضاها بر اساس تعداد علائمی که خارج از محدوده نرمال هستند، اولویت بندی می شوند. کارایی سیستم پیشنهادی از نظر مصرف پهنای باند، تاخیر و زمان پاسخ مورد ارزیابی قرار گرفت. نتایج: سیستم ارائه شده در این پژوهش منجر به بهبود پهنای باند به میزان ۲۳/۷۷%، کاهش زمان تاخیر به میزان ۲۳/۷۱% و بهبود زمان پاسخ به میزان ۳۲/۹۵%  گردید. نتیجه گیری: بهره گیری از صف اولویت به منظور اولویت بندی تقاضاها در لایه مه، زمان پاسخ دهی به درخواست های اورژانسی را کاهش می دهد.

Keywords:

Authors

علی گل کار

Ph.D. in Computer Engineering, Department of Computer Engineering , Yasooj Branch, Islamic Azad University, Yasooj, Iran

راضیه ملک حسینی

Ph.D. in Computer Engineering, Assistant professor, Department of Computer Engineering Yasooj Branch, Islamic Azad University, Yasooj, Iran

کیوان رحیمی زاده

Ph.D. in Computer Engineering, Assistant Professor, Department of Electrical and Computer Engineering, School of Engineering, Yasouj University, Yasouj, Iran

آزیتا یزدانی

Ph.D. in Medical Informatics, Assistant Professor, Health Human Resources Research Center, School of Management and Information Sciences, Clinical Education Research Center, Shiraz University of Medical Sciences, Shiraz, Iran

امین بهشتی

Ph.D. in Computer Engineering, Professor, Department of Computing, Macquarie University, Sydney, Australia

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Mahmud R, Koch FL, Buyya R. Cloud-fog interoperability in IoT-enabled ...
  • Yazdani A, Safdari R, Ghazisaeedi M, Beigy H, Sharifian R. ...
  • Kim SH, Chung K. Emergency situation monitoring service using context ...
  • Ali NS, Alkaream Alyasseri ZA, Abdulmohson A. Real-time Heart Pulse ...
  • Zhang Y, Qiu M, Tsai CW, Hassan MM, Alamri A. ...
  • He S, Cheng B, Wang H, Huang Y, Chen J. ...
  • Barik RK, Priyadarshini R, Dubey H, Kumar V, Mankodiya K. ...
  • Farahani B, Firouzi F, Chang V, Badaroglu M, Constant N, ...
  • https://doi.org/۱۰.۱۰۱۶/j.future.۲۰۱۷.۰۴.۰۳۶۲۸. Muhammed T, Mehmood R, Albeshri A, Katib I. UbeHealth: ...
  • نمایش کامل مراجع