論文の概要: Criticality and Utility-aware Fog Computing System for Remote Health
Monitoring
- arxiv url: http://arxiv.org/abs/2105.11097v2
- Date: Sat, 2 Apr 2022 06:28:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-29 23:27:23.139366
- Title: Criticality and Utility-aware Fog Computing System for Remote Health
Monitoring
- Title（参考訳）: リモートヘルスモニタリングのための臨界性とユーティリティアウェアフォグコンピューティングシステム
- Authors: Moirangthem Biken Singh, Navneet Taunk, Naveen Kumar Mall, and Ajay
Pratap
- Abstract要約: リアルタイムのスマートヘルスアプリケーションは、効率よく解決しなければならない遅延制約を生じさせる。
このようなリアルタイムアプリケーションのための効率的なソリューションとして、フォグコンピューティングが登場している。
医療センターは、Fogコンピューティングリソースを採用することで利益を上げるために、IoTベースの遠隔医療システムに惹かれています。
- 参考スコア（独自算出の注目度）: 0.31498833540989407
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Growing remote health monitoring system allows constant monitoring of the
patient's condition and performance of preventive and control check-ups outside
medical facilities. However, the real-time smart-healthcare application poses a
delay constraint that has to be solved efficiently. Fog computing is emerging
as an efficient solution for such real-time applications. Moreover, different
medical centers are getting attracted to the growing IoT-based remote
healthcare system in order to make a profit by hiring Fog computing resources.
However, there is a need for an efficient algorithmic model for allocation of
limited fog computing resources in the criticality-aware smart-healthcare
system considering the profit of medical centers. Thus, the objective of this
work is to maximize the system utility calculated as a linear combination of
the profit of the medical center and the loss of patients. To measure profit,
we propose a flat-pricing-based model. Further, we propose a swapping-based
heuristic to maximize the system utility. The proposed heuristic is tested on
various parameters and shown to perform close to the optimal with
criticality-awareness in its core. Through extensive simulations, we show that
the proposed heuristic achieves an average utility of $96\%$ of the optimal, in
polynomial time complexity.
- Abstract（参考訳）: 遠隔医療モニタリングシステムは、患者の状態を常に監視し、医療施設の外で予防的および制御的なチェックアップを行う。
しかし、リアルタイムのスマートヘルスケアアプリケーションは、効率的に解決しなければならない遅延制約をもたらす。
フォグコンピューティングは、このようなリアルタイムアプリケーションの効率的なソリューションとして登場しています。
さらに、フォグコンピューティングリソースを雇用することで利益を得るため、iotベースの遠隔医療システムにさまざまな医療センターが注目されている。
しかし,医療センターの利益を考慮した危機対応型スマートヘルスシステムにおいて,限られた霧計算資源を割り当てるための効率的なアルゴリズムモデルが必要である。
そこで本研究の目的は,医療センターの利益と患者の損失の線形組み合わせとして計算したシステムユーティリティを最大化することである。
利益を測定するため,フラット価格モデルを提案する。
さらに,システムの有用性を最大化するスワッピング型ヒューリスティックを提案する。
提案したヒューリスティックは様々なパラメータでテストされ、コア内での臨界認識の最適値に近い性能を示す。
提案するヒューリスティックは, 多項式時間の複雑性において, 最適値の9,6\%$ の平均的有用性が得られることを示す。
関連論文リスト
- Deep Reinforcement Learning Empowered Activity-Aware Dynamic Health
Monitoring Systems [69.41229290253605]
既存のモニタリングアプローチは、医療機器が複数の健康指標を同時に追跡するという前提で設計されている。
これは、その範囲内で関連するすべての健康値を報告し、過剰なリソース使用と外部データの収集をもたらす可能性があることを意味します。
最適なモニタリング性能とコスト効率のバランスをとるための動的アクティビティ・アウェアヘルスモニタリング戦略(DActAHM)を提案する。
論文 参考訳（メタデータ） (2024-01-19T16:26:35Z) - Modeling and Joint Optimization of Security, Latency, and Computational
Cost in Blockchain-based Healthcare Systems [2.54403164787763]
我々は,レイテンシ,セキュリティ,計算コストの3つの指標を用いた共同最適化モデルを定式化する。
本稿では,Adaptive Discrete Particle Swarm Algorithm (ADPSA) と呼ばれるアルゴリズムを提案する。
我々は、ADPSAが既存のベンチマーク手法を一貫して上回っていることを広範な数値実験により実証した。
論文 参考訳（メタデータ） (2023-03-28T09:29:29Z) - Integrating Machine Learning with Discrete Event Simulation for
Improving Health Referral Processing in a Care Management Setting [0.0]
退院後のケアマネジメントは患者の紹介を調整し、健康を改善します。
本研究は、健康状態の改善と関連するコストの削減における、ポストディスチャージケアマネジメントの役割を強調する。
論文 参考訳（メタデータ） (2022-06-25T04:42:52Z) - An Efficient Approach for Optimizing the Cost-effective Individualized
Treatment Rule Using Conditional Random Forest [5.406112598028401]
我々は、NMB(net-monetary-benefit)という概念を用いて、健康上の利益と関連するコストのトレードオフを評価する。
NMBに基づく分類アルゴリズムを用いて最適なCE-ITRを同定する。
我々は、NIHが出資したSystolic Blood Pressure Intervention Trialにトップパフォーマンスのアルゴリズムを適用した。
論文 参考訳（メタデータ） (2022-04-23T01:36:24Z) - Optimal discharge of patients from intensive care via a data-driven
policy learning framework [58.720142291102135]
退院課題は、退院期間の短縮と退院決定後の退院や死亡のリスクとの不確実なトレードオフに対処することが重要である。
本研究は、このトレードオフを捉えるためのエンドツーエンドの汎用フレームワークを導入し、最適放電タイミング決定を推奨する。
データ駆動型アプローチは、患者の生理的状態を捉えた同種で離散的な状態空間表現を導出するために用いられる。
論文 参考訳（メタデータ） (2021-12-17T04:39:33Z) - End-to-End Optimized Arrhythmia Detection Pipeline using Machine
Learning for Ultra-Edge Devices [0.0]
心房細動(AF)は世界中で最も多い不整脈であり、人口の2%が影響を受けている。
超最先端デバイスに展開可能な高精度のリアルタイム心房細動検出のための効率的なパイプラインを提案する。
論文 参考訳（メタデータ） (2021-11-23T11:06:27Z) - 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) - Resource Planning for Hospitals Under Special Consideration of the
COVID-19 Pandemic: Optimization and Sensitivity Analysis [87.31348761201716]
新型コロナウイルス(covid-19)パンデミックのような危機は、医療機関にとって深刻な課題となる。
BaBSim.Hospitalは離散イベントシミュレーションに基づく容量計画ツールである。
BaBSim.Hospitalを改善するためにこれらのパラメータを調査し最適化することを目指しています。
論文 参考訳（メタデータ） (2021-05-16T12:38:35Z) - 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) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z) - Edge Computing For Smart Health: Context-aware Approaches,
Opportunities, and Challenges [13.506100532943162]
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。
論文 参考訳（メタデータ） (2020-04-15T19:50:24Z)
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。