論文の概要: Edge Computing For Smart Health: Context-aware Approaches,
Opportunities, and Challenges
- arxiv url: http://arxiv.org/abs/2004.07311v1
- Date: Wed, 15 Apr 2020 19:50:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-23 09:01:03.364223
- Title: Edge Computing For Smart Health: Context-aware Approaches,
Opportunities, and Challenges
- Title(参考訳): スマートヘルスのためのエッジコンピューティング:コンテキスト認識アプローチ、機会、課題
- Authors: Alaa Awad Abdellatif, Amr Mohamed, Carla Fabiana Chiasserini, Mounira
Tlili, Aiman Erbad
- Abstract要約: スマートヘルスケア(s-health)を実現する上で最も有望なアプローチは、エッジコンピューティング機能と次世代無線ネットワーク技術である。
我々はMECベースのアーキテクチャを構想し、ネットワーク内およびコンテキスト対応処理を実現する上でのメリットについて論じる。
このようなアーキテクチャを活用して効率的なデータ配信を実現する2つの主要な機能を示す。
- 参考スコア(独自算出の注目度): 13.506100532943162
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Improving efficiency of healthcare systems is a top national interest
worldwide. However, the need of delivering scalable healthcare services to the
patients while reducing costs is a challenging issue. Among the most promising
approaches for enabling smart healthcare (s-health) are edge-computing
capabilities and next-generation wireless networking technologies that can
provide real-time and cost-effective patient remote monitoring. In this paper,
we present our vision of exploiting multi-access edge computing (MEC) for
s-health applications. We envision a MEC-based architecture and discuss the
benefits that it can bring to realize in-network and context-aware processing
so that the s-health requirements are met. We then present two main
functionalities that can be implemented leveraging such an architecture to
provide efficient data delivery, namely, multimodal data compression and
edge-based feature extraction for event detection. The former allows efficient
and low distortion compression, while the latter ensures high-reliability and
fast response in case of emergency applications. Finally, we discuss the main
challenges and opportunities that edge computing could provide and possible
directions for future research.
- Abstract(参考訳): 医療システムの効率性の向上は、世界有数の国家的関心事である。
しかし、患者にスケーラブルな医療サービスを提供し、コストを下げる必要性は、難しい問題である。
スマートヘルスケア(s-health)を実現する最も有望なアプローチは、エッジコンピューティング機能と、リアルタイムで費用対効果の高い患者リモート監視を提供する次世代無線ネットワーク技術である。
本稿では,マルチアクセスエッジコンピューティング(MEC)をSヘルスアプリケーションに適用するビジョンについて述べる。
我々は、MECベースのアーキテクチャを構想し、Sヘルス要件を満たすために、ネットワーク内およびコンテキスト対応処理を実現するための利点について論じる。
次に,このようなアーキテクチャを活用して,効率的なデータ配信を実現するための2つの機能,すなわちマルチモーダルデータ圧縮とイベント検出のためのエッジベースの特徴抽出を提案する。
前者は効率的で低歪み圧縮が可能で、後者は緊急時に高い信頼性と高速な応答を保証する。
最後に、エッジコンピューティングが提供する主な課題と機会、今後の研究の方向性について論じる。
関連論文リスト
- Towards Smart Healthcare: Challenges and Opportunities in IoT and ML [0.0]
新型コロナウイルス(COVID-19)のパンデミックや他の健康危機は、世界中の医療サービスを促進する必要性を浮き彫りにした。
この章は、IoTヘルスケアセクターに機械学習メソッドを統合する際に直面するハードルを探求することに焦点を当てている。
現在の研究課題と潜在的な機会を包括的にまとめ、三つのシナリオに分類する。
論文 参考訳(メタデータ) (2023-12-09T10:45:44Z) - Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである*
Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。
Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
論文 参考訳(メタデータ) (2023-10-28T12:08:03Z) - Pruning the Way to Reliable Policies: A Multi-Objective Deep Q-Learning
Approach to Critical Care [68.8204255655161]
我々は、より信頼性の高いクリティカルケアポリシーを得ることができる深いQ-ラーニングアプローチを導入する。
まず、利用可能なすべての報酬に基づいてアクションセットを抽出し、次に、スパース主報酬に基づいて最終モデルを訓練し、制限されたアクションセットで達成する。
論文 参考訳(メタデータ) (2023-06-13T18:02:57Z) - Internet-of-Things Devices and Assistive Technologies for Healthcare:
Applications, Challenges, and Opportunities [5.8497361730688695]
病院や診療所は、多くの患者を収容する能力を持っていない。
健康産業の現状は、その価値ある限られた資源を改善する必要があることは明らかである。
IoT(Internet of Things)デバイスの進化と補助技術は、医療の問題を緩和する。
論文 参考訳(メタデータ) (2021-07-11T12:18:12Z) - The Medkit-Learn(ing) Environment: Medical Decision Modelling through
Simulation [81.72197368690031]
医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。
Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
論文 参考訳(メタデータ) (2021-06-08T10:38:09Z) - Edge Intelligence for Empowering IoT-based Healthcare Systems [42.909808437026136]
この記事では、スマートヘルスケアシステムにおけるAIとともに、エッジインテリジェント技術のメリットを強調します。
スマートヘルスケアシステムにおけるAIとエッジ技術の利用を促進するために、新しいスマートヘルスケアモデルが提案されている。
論文 参考訳(メタデータ) (2021-03-22T19:35:06Z) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳(メタデータ) (2021-02-12T09:33:00Z) - I-Health: Leveraging Edge Computing and Blockchain for Epidemic
Management [36.55809341110476]
エピデミックな状況は、厳密な時間制約の中で、異なる場所やエンティティから集中的なデータ収集と管理を要求する。
本稿では, 独自の医療システムにおいて, 多様なeヘルスエンティティを集約することを目的とした, インテリジェントヘルス(Iヘルス)システムを提案する。
特に,早期発見,遠隔監視,迅速な緊急対応が可能な,患者自動監視方式をエッジに設計する。
論文 参考訳(メタデータ) (2020-12-18T23:41:00Z) - Artificial Intelligence Decision Support for Medical Triage [0.0]
我々はトリアージシステムを開発し、現在、ヨーロッパ最大の遠隔医療プロバイダーで使用中である。
本システムは,モバイルアプリケーションを用いた患者とのインタラクションを通じて,ケア代替案の評価を行う。
最初の一連の症状に基づいて、トリアージアプリケーションはAIを利用したパーソナライズされた質問を生成し、問題をより正確に識別する。
論文 参考訳(メタデータ) (2020-11-09T16:45:01Z) - Reinforcement Learning with Efficient Active Feature Acquisition [59.91808801541007]
実生活では、情報取得は患者の医療検査に該当する可能性がある。
本稿では,アクティブな特徴獲得ポリシーを学習するモデルに基づく強化学習フレームワークを提案する。
この成功の鍵は、部分的に観察された状態から高品質な表現を学ぶ新しい逐次変分自動エンコーダである。
論文 参考訳(メタデータ) (2020-11-02T08:46:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。