論文の概要: HITA: An Architecture for System-level Testing of Healthcare IoT
Applications
- arxiv url: http://arxiv.org/abs/2309.04223v2
- Date: Thu, 28 Dec 2023 11:52:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-29 22:23:34.660241
- 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 Julie Marie Gj{\o}by
- Abstract要約: 本稿では,医療用IoTアプリケーション用に設計された実世界のテストインフラストラクチャソフトウェアアーキテクチャ(HITA)を提案する。
モデルベースおよび機械学習(ML)アプローチを用いて実装したHITAのディジタルツイン(DT)生成コンポーネントを評価する。
- 参考スコア(独自算出の注目度): 5.126355491416586
- License: http://creativecommons.org/licenses/by/4.0/
- 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's healthcare department faced these challenges while
working with various healthcare IoT applications. To address these challenges,
this paper presents a real-world test infrastructure software architecture
(HITA) designed for healthcare IoT applications. We evaluated HITA's digital
twin (DT) generation component implemented using model-based and machine
learning (ML) approaches in terms of DT fidelity, scalability, and time cost of
generating DTs. Results show that the fidelity of DTs created using model-based
and ML approaches reach 94% and 95%, respectively. Results from operating 100
DTs concurrently show that the DT generation component is scalable and ML-based
DTs have a higher time cost.
- Abstract(参考訳): 医療用IoT(Internet of Things)アプリケーションのシステムレベルのテストには、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の作成が必要である。
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のヘルスケア部門は、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。
これらの課題に対処するために,医療用IoTアプリケーション用に設計された実世界のテストインフラストラクチャソフトウェアアーキテクチャ(HITA)を提案する。
モデルベースおよび機械学習(ML)アプローチを用いて実装したHITAのディジタルツイン(DT)生成コンポーネントを,DTの忠実度,スケーラビリティ,時間的コストの観点から評価した。
その結果,モデルベースアプローチとMLアプローチによるDTの忠実度はそれぞれ94%,95%に達した。
100個のDTを同時に操作した結果、DT生成コンポーネントはスケーラブルであり、MLベースのDTはよりコストがかかることが示された。
関連論文リスト
- 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 [56.89257974393749]
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) - Automated Fusion of Multimodal Electronic Health Records for Better
Medical Predictions [48.0590120095748]
本稿では,多様な入力モダリティと融合戦略を符号化する最適なモデルアーキテクチャを自動検索する,AutoFMという新しいニューラルネットワーク探索フレームワークを提案する。
我々は実世界のマルチモーダルEHRデータと予測タスクについて徹底的な実験を行い、その結果、我々のフレームワークが既存の最先端手法よりも大幅な性能向上を実現していることを示す。
論文 参考訳(メタデータ) (2024-01-20T15:14:14Z) - Multi-Tier Computing-Enabled Digital Twin in 6G Networks [50.236861239246835]
産業4.0では、製造業、自動車、医療などの産業がDTベースの開発を急速に採用している。
これまでの主な課題は、通信とコンピューティングリソースに対する高い要求と、プライバシとセキュリティに関する懸念だった。
新たなDTで低レイテンシと高セキュリティを実現するため,エッジ/フォグコンピューティングとクラウドコンピューティングを組み合わせたマルチ層コンピューティングが提案されている。
論文 参考訳(メタデータ) (2023-12-28T13:02:53Z) - 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: Towards Large-scale Multisensory Learning for the Internet of
Things [77.27980044639136]
IoT(Internet of Things)エコシステムは、マシンラーニングのための現実世界のモダリティの豊富なソースを提供する。
本稿では,12のモダリティと8タスクから115万以上のサンプルを対象とする,これまでで最も拡張性の高い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) - Personalized Federated Learning for Intelligent IoT Applications: A
Cloud-Edge based Framework [12.199870302894439]
IoT(Internet of Things)は、現代生活のさまざまな側面に広く浸透している。
この記事では、インテリジェントなIoTアプリケーションのためのクラウドエッジアーキテクチャにおいて、パーソナライズされたフェデレーション付き学習フレームワークを推奨します。
論文 参考訳(メタデータ) (2020-02-25T05:11:06Z)
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。