論文の概要: A Context Aware Framework for IoT Based Healthcare Monitoring Systems
- arxiv url: http://arxiv.org/abs/2008.10341v1
- Date: Fri, 21 Aug 2020 14:04:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-05 07:50:23.536289
- Title: A Context Aware Framework for IoT Based Healthcare Monitoring Systems
- Title(参考訳): IoTベースの医療モニタリングシステムのためのコンテキスト認識フレームワーク
- Authors: Yousef Abuseta
- Abstract要約: 本稿では,IoTプラットフォームにおけるコンテキスト認識型医療監視システムの設計と開発のための汎用フレームワークの導入と提案を試みる。
医療モニタリングシステムの基本コンポーネントは特定され、モデル化される。
この論文は、レジリエントなコンテキスト認識型医療監視システムに対処する上で、AI分野が果たす重要な役割を強調している。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper introduces an investigation of the healthcare monitoring systems
and their provisioning in the IoT platform. The different roles that exist in
healthcare systems are specified and modeled here. This paper also attempts to
introduce and propose a generic framework for the design and development of
context aware healthcare monitoring systems in the IoT platform. In such a
framework, the fundamental components of the healthcare monitoring systems are
identified and modelled as well as the relationship between these components.
The paper also stresses on the crucial role played by the AI field in
addressing resilient context aware healthcare monitoring systems.
Architecturally, this framework is based on a distributed layered architecture
where the different components are deployed over the physical layer, fog
platform and the cloud platform.
- Abstract(参考訳): 本稿では、IoTプラットフォームにおける医療監視システムとそのプロビジョニングに関する調査を紹介する。
医療システムに存在する異なる役割はここで特定され、モデル化される。
本稿では,IoTプラットフォームにおけるコンテキスト認識型医療監視システムの設計と開発のための汎用フレームワークの導入と提案を行う。
このようなフレームワークでは、医療監視システムの基本的なコンポーネントを識別し、モデル化し、これらのコンポーネント間の関係をモデル化する。
この論文は、レジリエントなコンテキスト認識型医療監視システムに対処する上で、AI分野が果たす重要な役割を強調している。
アーキテクチャ上、このフレームワークは分散層アーキテクチャに基づいており、物理的レイヤ、フォグプラットフォーム、クラウドプラットフォーム上に異なるコンポーネントがデプロイされる。
関連論文リスト
- Fed-BioMed: Open, Transparent and Trusted Federated Learning for
Real-world Healthcare Applications [4.086864536569863]
Fed-BioMedは、Federated Learningを現実世界の医学研究アプリケーションに翻訳することを目指している。
設計空間、ターゲットユーザ、ドメイン制約、そしてこれらの要因が我々の現在および将来のソフトウェアアーキテクチャにどのように影響するかを説明します。
論文 参考訳(メタデータ) (2023-04-24T11:26:54Z) - System Resilience through Health Monitoring and Reconfiguration [56.448036299746285]
人為的なシステムのレジリエンスを、予期せぬ事象に対して向上させるためのエンドツーエンドのフレームワークを実証する。
このフレームワークは物理ベースのデジタルツインモデルと,リアルタイム故障診断,予後,再構成を行う3つのモジュールに基づいている。
論文 参考訳(メタデータ) (2022-08-30T20:16:17Z) - Designing an Artificial Immune System inspired Intrusion Detection
System [0.0]
ヒト免疫系(Human Immune System, HIS)は、人体を感染、病気、病気から守る。
このシステムは、サイバーセキュリティの専門家に人工免疫システム(AIS)ベースの侵入検知システム(IDS)を設計するよう促すことができる。
これらの生物学的にインスパイアされたアルゴリズムは、Self/NonselfとDanger Theoryを使って、IDSの設計と実装を直接拡張することができる。
論文 参考訳(メタデータ) (2022-08-16T15:30:51Z) - Remote Sensing Image Classification using Transfer Learning and
Attention Based Deep Neural Network [59.86658316440461]
本稿では、転送学習技術とマルチヘッドアテンションスキームを活用した、深層学習に基づくRSISCフレームワークを提案する。
提案したディープラーニングフレームワークは、ベンチマークNWPU-RESISC45データセットに基づいて評価され、最高の分類精度94.7%を達成する。
論文 参考訳(メタデータ) (2022-06-20T10:05:38Z) - MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence
using Federated Evaluation [110.31526448744096]
この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。
MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
論文 参考訳(メタデータ) (2021-09-29T18:09:41Z) - A multiagent based framework secured with layered SVM-based IDS for
remote healthcare systems [0.0]
2段階からなる遠隔医療システムのためのセキュアなフレームワークを提案する。
まず,センサネットワークからデータを収集するマルチエージェント技術に基づく医療システムの設計を行う。
第2フェーズでは,ネットワークトラフィックの挙動を学習するためにサポートベクタマシンを用いた侵入検知システムの階層化が適用される。
論文 参考訳(メタデータ) (2021-04-13T20:34:38Z) - 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) - Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。
現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。
我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
論文 参考訳(メタデータ) (2020-07-13T20:30:26Z) - Neural Entity Linking: A Survey of Models Based on Deep Learning [82.43751915717225]
本調査では,2015年以降に開発されたニューラルエンティティリンク(EL)システムの包括的記述について報告する。
その目標は、ニューラルエンティティリンクシステムの設計機能を体系化し、それらのパフォーマンスを一般的なベンチマーク上の注目すべき古典的手法と比較することである。
この調査はエンティティリンクの応用に焦点をあて、最近出現した、深い事前訓練されたマスキング言語モデルを強化するユースケースに焦点を当てている。
論文 参考訳(メタデータ) (2020-05-31T18:02:26Z) - Hierarchical Reinforcement Learning for Automatic Disease Diagnosis [52.111516253474285]
政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。
提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
論文 参考訳(メタデータ) (2020-04-29T15:02:41Z) - A Machine Learning Based Framework for the Smart Healthcare Monitoring [16.22059197009456]
スマートヘルスケアシステムのための新しい枠組みを提案する。
我々は、圧縮センシング(CS)と最先端の機械学習に基づくデノイザの組み合わせを用いる。
我々は、画像ストリームから転倒動作を検出することに集中する。
論文 参考訳(メタデータ) (2020-04-04T17:41:28Z)
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。