کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
9952266 1444170 2018 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Intelligent hybrid remote patient-monitoring model with cloud-based framework for knowledge discovery
ترجمه فارسی عنوان
مدل مانیتورینگ بیمار مبتنی بر هیبرید هوشمند با چارچوب مبتنی بر ابر برای کشف دانش
ترجمه چکیده
این مقاله یک مدل هوشمند هیبریدی مبتنی بر آگاهی برای بیماران تحت نظارت در خانه را پیشنهاد می کند که معماری ترکیبی با هر دو مولفه های مبتنی بر ابر و محلی را تصویب می کند. بخش مبتنی بر ابر این مدل، ذخیره و پردازش داده های بزرگ تولید شده توسط سیستم های زندگی کمک کننده محیطی را که برای نظارت بر بیماران مبتلا به بیماری های مزمن در خانه ها، به ویژه سالمندان، استفاده می شود، تسهیل می کند. بخش محلی این مدل، بیماران را در صورت قطع اینترنت یا هر گونه شکست دیگر در سیستم ابر، بررسی می کند. مدل پیشنهادی با استفاده از نظارت بر سیگنال های فیزیولوژیکی، شرایط محیطی و فعالیت های بیمار به منظور دستیابی به وضعیت سلامتی در زمان واقعی بیمار، از تکنیک های متفاوتی استفاده می کند. نتایج تجربی اثربخشی مدل پیشنهادی ما برای نظارت بر بیماران و تعیین دقیق موارد اضطراری در مجموعه داده های نامتعادل را از طریق مطالعه موردی بیماران مبتلا به اختلالات فشار خون نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر شبکه های کامپیوتری و ارتباطات
چکیده انگلیسی
This paper proposes an intelligent hybrid context-aware model for patients under supervision at home that adopts a hybrid architecture with both local and cloud-based components. The cloud-based portion of the model facilitates storing and processing the big data generated by ambient assisted living systems that are used to monitor patients suffering from chronic diseases in their homes, particularly the elderly. The local portion of the model monitors patients in the event of internet disconnections or any other failure in the cloud system. The proposed model utilises context-aware techniques by monitoring physiological signals, ambient conditions, and patient activities simultaneously to derive the real-time health status of the patient. Experimental results demonstrate the effectiveness of our proposed model for monitoring patients and accurately detecting emergencies in imbalanced datasets through a case study on patients suffering from blood-pressure disorders.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Electrical Engineering - Volume 70, August 2018, Pages 1034-1048
نویسندگان
, , , ,