کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6872767 1440623 2019 39 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Enabling technologies for fog computing in healthcare IoT systems
ترجمه فارسی عنوان
استفاده از فناوری، برای محاسبات مه در سیستم های IoT مراقبت بهداشتی
کلمات کلیدی
پردازش ابری، محاسبات مه محاسبات لبه، برنامه های بهداشتی، گرههای مشترک، منابع مشترک، دروازه های هوشمند بررسی ادبیات سیستماتیک،
فهرست مطالب مقاله
چکیده

کلمات کلیدی

1.مقدمه

2. روش تحقیق

شکل1. راهنمای روش تحقیق

جدول 1. انگیزه ها و سوالات تحقیق

2.1. منابع اطلاعاتی

2.2. انتخاب مطالعه

جدول2. معیارهای انتخاب و حذف مقالات

2.3. جستجوی SLR

2.4. معیار شایستگی

2.5. نتایج جستجوی مقاله

شکل2. معماری محاسبات مه

شکل3. طبقه بندی آثار تحقیقاتی در خصوص محاسبات مه در مراقبت های بهداشتی

جدول3. چارچوب ها و مدل های محاسبات مه در برنامه های مراقبت بهداشتی

جدول 5. معماری ها و سیستم های پیاده سازی شده از محاسبات مه برای برنامه های مراقبت بهداشتی

3. محدودیت ها

4. مباحث و مسائل باز

4.1. ارزیابی عملکرد

4.2. انگیزش

4.3. چالش ها و مسائل

4.4. توصیه ها

5. درس های یادگیری شده

6. نتیجه گیری

7. تصدیق

نکات برجسته

 
ترجمه چکیده
زمینه: معماری محاسبات مه از لحاظ جغرافیایی به صورت توزیع شده بوده و به طورگسترده ای در انواع دستگاه های ناهمگن ، درانتهای یک شبکه متصل است تا ارتباطات تعاملی متغیر و انعطاف پذیر، محاسبات و سرویس های ذخیره سازی را ارائه دهد. محاسبات مه دارای مزایای فراوانی است و برای کاربردهایی مناسب است که در آن ها زمان واقعی، زمان پاسخ بالا و تاخیر زمانی کم، دارای اهمیت ویژه ای است؛ به ویژه در برنامه های مراقبت بهداشتی. اهداف: هدف از این مطالعه، ارائه ی یک بررسی سیستماتیک از فن آوری های استفاده شده در محاسبات مه در حوزه ی سیستم های IoT مراقبت بهداشتی و تجزیه و تحلیل کارهای قبلی است. این مقاله، انگیزه ها و محدودیت هایی که محققان با آن مواجه اند را نشان داده و پیشنهاداتی را به تحلیل گران ارائه می دهد تا این زمینه ی پژوهشی مهم را بهبود دهند. روش ها: این تحقیقات به صورت سیستماتیک بر محاسبات مه در زمینه ی مراقبت های بهداشتی انجام شده است. علاوه بر این، چهار پایگاه داده ی وب آو ساینس (WoS )، ساینس دایرکت، کتابخانه دیجیتالی جستجو IEEE و اسکوپوس از سال 2007 تا 2017 برای تحلیل معماری، برنامه ها و ارزیابی عملکرد آن ها مورد استفاده قرار گرفتند. نتایج: در مجموع با روش ها و تکنیک های مختلف، 99 مقاله در رابطه با محاسبات مه در برنامه های مراقبت بهداشتی انتخاب شدند که وابسته به معیار پذیرش و حذف در مطالعه هستند. نتایج طبقه بندی به سه کلاس اصلی تقسیم می شوند: چارچوب ها و مدل ها، سیستم ها (پیاده سازی یا معماری)، مرور و بررسی . بحث: محاسبات مه برای کاربردهایی که نیازمند زمان واقعی، تاخیر کم و زمان پاسخ بالا هستند؛ به ویژه برنامه های مراقبت بهداشتی مناسب است. تمام این مطالعات نشان می دهند که به اشتراک گذاری منابع می تواند سبب تاخیر کم، مقیاس پذیری بهتر، پردازش توزیع شده، امنیت بهتر، تحمل خطا و حریم خصوصی شود تا زیرساخت های مه بهتری را فراهم کند. درس های آموخته شده: درس های فراوانی در ارتباط با محاسبات مه وجود دارد. بدون شک در مقایسه با محاسبات ابری، محاسبات مه می تواند سبب کاهش تاخیر شود. محققان نشان داده اند که شبیه سازی ها و پارامترهای آزمایشگاهی، کاهش قابل توجه تاخیر را تضمین می کنند که به دلیل الزامات زمان واقعی، برای سیستم های IoT مراقبت بهداشتی بسیار مهم است. نتیجه: حوزه های تحقیقاتی متفاوتی در محاسبات مه برای کاربردهای مراقبت بهداشتی وجود دارد که اکثر این بخش ها به یک اندازه دارای اهمیت هستند. در نتیجه این بررسی، به برجسته نمودن ظرفیت های تحقیق، گسترش و ایجاد زمینه های تحقیقاتی دیگر کمک می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
Context: A fog computing architecture that is geographically distributed and to which a variety of heterogeneous devices are ubiquitously connected at the end of a network in order to provide collaboratively variable and flexible communication, computation, and storage services. Fog computing has many advantages and it is suited for the applications whereby real-time, high response time, and low latency are of the utmost importance, especially healthcare applications. Objectives: The aim of this study was to present a systematic literature review of the technologies for fog computing in the healthcare IoT systems field and analyze the previous. Providing motivation, limitations faced by researchers, and suggestions proposed to analysts for improving this essential research field. Methods: The investigations were systematically performed on fog computing in the healthcare field by all studies; furthermore, the four databases Web of Science (WoS), ScienceDirect, IEEE Xplore Digital Library, and Scopus from 2007 to 2017 were used to analyze their architecture, applications, and performance evaluation. Results: A total of 99 articles were selected on fog computing in healthcare applications with deferent methods and techniques depending on our inclusion and exclusion criteria. The taxonomy results were divided into three major classes; frameworks and models, systems (implemented or architecture), review and survey. Discussion: Fog computing is considered suitable for the applications that require real-time, low latency, and high response time, especially in healthcare applications. All these studies demonstrate that resource sharing provides low latency, better scalability, distributed processing, better security, fault tolerance, and privacy in order to present better fog infrastructure. Learned lessons: numerous lessons related to fog computing. Fog computing without a doubt decreased latency in contrast to cloud computing. Researchers show that simulation and experimental proportions ensure substantial reductions of latency is provided. Which it is very important for healthcare IoT systems due to real-time requirements. Conclusion: Research domains on fog computing in healthcare applications differ, yet they are equally important for the most parts. We conclude that this review will help accentuating research capabilities and consequently expanding and making extra research domains.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Future Generation Computer Systems - Volume 90, January 2019, Pages 62-78
نویسندگان
, , , , ,