論文の概要: HITA: An Architecture for System-level Testing of Healthcare IoT Applications

• arxiv url: http://arxiv.org/abs/2309.04223v1
• Date: Fri, 8 Sep 2023 09:14:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 08:22:55.642796
• Title: HITA: An Architecture for System-level Testing of Healthcare IoT Applications
• Title（参考訳）: HITA: ヘルスケアIoTアプリケーションのシステムレベルのテストのためのアーキテクチャ
• Authors: Hassan Sartaj, Shaukat Ali, Tao Yue, and Kjetil Moberg
• Abstract要約: 本稿では,医療用IoTアプリケーションのためのテストインフラストラクチャを構築するために,実世界のソフトウェアアーキテクチャ(HITA)を提案する。 我々は,HITAが達成した品質要件と,HITAの一部として開発する作業製品の現状について論じる。
• 参考スコア（独自算出の注目度）: 5.126355491416586
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: System-level testing of healthcare Internet of Things (IoT_ applications requires creating a test infrastructure with integrated medical devices and third-party applications. A significant challenge in creating such test infrastructure is that healthcare IoT applications evolve continuously with the addition of new medical devices from different vendors and new services offered by different third-party organizations following different architectures. Moreover, creating test infrastructure with a large number of different types of medical devices is time-consuming, financially expensive, and practically infeasible. Oslo City healthcare department faced these challenges while working with various healthcare IoT applications. This paper presents a real-world software architecture (HITA) to create a test infrastructure for healthcare IoT applications. We discuss the quality requirements achieved by HITA and the status of work products developing as a part of HITA. We also present our experiences and lessons learned from the architectural work related to HITA.
• Abstract（参考訳）: 医療用モノのインターネット(IoT_アプリケーション)のシステムレベルのテストでは、統合医療機器とサードパーティアプリケーションによるテストインフラストラクチャを作成する必要がある。 このようなテストインフラストラクチャを構築する上で重要な課題は、異なるベンダの新たな医療機器と、異なるアーキテクチャに従う異なるサードパーティ組織が提供する新しいサービスを追加して、医療用IoTアプリケーションが継続的に進化することです。 さらに、さまざまな種類の医療機器でテストインフラストラクチャを作成するのは、時間がかかり、費用がかかり、事実上不可能である。 Oslo Cityの医療部門は、さまざまな医療用IoTアプリケーションで作業しながら、これらの課題に直面した。 本稿では,医療用iotアプリケーションのテストインフラストラクチャを構築するための実世界ソフトウェアアーキテクチャ(hita)を提案する。 HITAが達成した品質要件とHITAの一部として開発する作業製品の現状について論じる。 また、HITAに関連する建築工事から学んだ経験や教訓も紹介する。

関連論文リスト

• MeDeT: Medical Device Digital Twins Creation with Few-shot Meta-learning [3.229371159969159]
  本稿では,医療機器のデジタルツイン(DT)を生成し,進化するデバイスにDTを適用するメタラーニングに基づくアプローチを提案する。 我々は、現実世界の医療用IoTアプリケーションと統合された5つの広く使われている医療機器を用いて、OsloCityのコンテキストでMeDeTを評価する。
  論文  参考訳（メタデータ） (2024-10-04T16:43:53Z)
• FEDMEKI: A Benchmark for Scaling Medical Foundation Models via Federated Knowledge Injection [83.54960238236548]
  FEDMEKIはデータのプライバシーを守るだけでなく、医療基盤モデルの能力を高める。 FEDMEKIは、医療ファンデーションモデルに対して、直接データを公開することなく、幅広い医療知識から学ぶことを可能にする。
  論文  参考訳（メタデータ） (2024-08-17T15:18:56Z)
• IoT-LM: Large Multisensory Language Models for the Internet of Things [70.74131118309967]
  IoTエコシステムは、モーション、サーマル、ジオロケーション、イメージング、ディープ、センサー、オーディオといった、現実世界のモダリティの豊富なソースを提供する。 機械学習は、IoTデータを大規模に自動的に処理する豊富な機会を提供する。 IoTエコシステムに適した,オープンソースの大規模マルチセンサ言語モデルであるIoT-LMを紹介します。
  論文  参考訳（メタデータ） (2024-07-13T08:20:37Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• Generative AI-Driven Human Digital Twin in IoT-Healthcare: A Comprehensive Survey [53.691704671844406]
  IoT(Internet of Things)は、特にヘルスケアにおいて、人間の生活の質を大幅に向上させる。 ヒトデジタルツイン(HDT)は、個体の複製を包括的に特徴付ける革新的なパラダイムとして提案されている。 HDTは、多用途で生き生きとした人間のデジタルテストベッドとして機能することで、医療監視の応用を超えて、IoTヘルスの強化を図っている。 最近、生成人工知能(GAI)は、高度なAIアルゴリズムを利用して、多種多様なデータを自動的に生成、操作、修正できるため、有望なソリューションである可能性がある。
  論文  参考訳（メタデータ） (2024-01-22T03:17:41Z)
• Model-based Digital Twins of Medicine Dispensers for Healthcare IoT Applications [5.6001750995050985]
  本稿では,医療用ディスペンサーのデジタル双生児(DT)の作成と運用のためのモデルに基づくアプローチを提案する。 オスロ市における医療用ディスペンサーを用いた産業用IoTシステムによるアプローチの評価を行った。
  論文  参考訳（メタデータ） (2023-12-07T19:52:55Z)
• MultiIoT: Benchmarking Machine Learning for the Internet of Things [70.74131118309967]
  次世代の機械学習システムは、物理的世界に対する知覚と相互作用に長けなければならない。 運動、熱、位置情報、深度、無線信号、ビデオ、オーディオからの知覚データは、物理環境の状態をモデル化するためにますます使われています。 既存の取り組みは、しばしば単一の感覚的モダリティまたは予測タスクに特化している。 本稿は、12のモダリティと8つの現実世界タスクから115万以上のサンプルを含む、これまでで最も拡張的で統一されたIoTベンチマークであるMultiIoTを提案する。
  論文  参考訳（メタデータ） (2023-11-10T18:13:08Z)
• Testing Real-World Healthcare IoT Application: Experiences and Lessons Learned [5.126355491416586]
  実世界の医療用IoTアプリケーション上で、最先端のREST APIテスティングアプローチ(RESTest)の産業的評価を報告する。 私たちは、REST API障害、アプリケーションの障害、REST APIカバレッジに関するRESTestのテスト戦略の有効性を分析します。
  論文  参考訳（メタデータ） (2023-09-08T09:35:21Z)
• A Revolution of Personalized Healthcare: Enabling Human Digital Twin with Mobile AIGC [54.74071593520785]
  モバイルAIGCは、ヒューマンデジタルツイン(HDT)と呼ばれる新興アプリケーションのキーとなる技術である モバイルAIGCによって強化されたHDTは、まれな疾患データを生成し、高忠実なデジタルツインをモデル化し、多目的テストベッドを構築し、24/7のカスタマイズ医療サービスを提供することで、パーソナライズされたヘルスケアに革命をもたらすことが期待されている。
  論文  参考訳（メタデータ） (2023-07-22T15:59:03Z)
• Combining Individual and Joint Networking Behavior for Intelligent IoT Analytics [4.6503958614029415]
  何百万ものデバイスを取り入れた産業用IoTでは、従来の管理方法はうまくスケールしない。 本研究では、IoTデバイス管理のための新しいツールであるIoTelligentの基礎となる、一連の新しい機械学習技術を設計することで、これらの課題に対処する。 当社のツールの設計は,IoTデプロイメントを持つ350企業から収集された,1年間のネットワークデータの分析によって進められています。
  論文  参考訳（メタデータ） (2022-03-07T02:59:56Z)
• Applications of Machine Learning in Healthcare and Internet of Things (IOT): A Comprehensive Review [2.1270496914042996]
  本稿では、特に医療における最先端の機械学習応用について概観する。 我々は、医療におけるIoTのオープンな課題を強調し、さらなる研究と研究を科学者に委ねている。
  論文  参考訳（メタデータ） (2022-02-06T21:56:39Z)

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。