論文の概要: SmartEdge: Smart Healthcare End-to-End Integrated Edge and Cloud Computing System for Diabetes Prediction Enabled by Ensemble Machine Learning
- arxiv url: http://arxiv.org/abs/2502.15762v1
- Date: Fri, 14 Feb 2025 07:42:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-02 02:51:37.021868
- Title: SmartEdge: Smart Healthcare End-to-End Integrated Edge and Cloud Computing System for Diabetes Prediction Enabled by Ensemble Machine Learning
- Title（参考訳）: SmartEdge: 機械学習が実現した糖尿病予測のためのスマートヘルスケアのエンドツーエンドエッジとクラウドコンピューティングシステム
- Authors: Alain Hennebelle, Qifan Dieng, Leila Ismail, Rajkumar Buyya,
- Abstract要約: インターネット・オブ・メディカル・モノズ(IoMT)は,特にスマート病院や遠隔患者モニタリング(RPM)で注目されている。
必要なコンピューティングとストレージ機能を提供するためにクラウドコンピューティングに依存している現在のアプローチは、これらの遅延に敏感なアプリケーションにはスケールしない。
本稿では、AIを活用したスマートヘルスケアのエンドツーエンド統合エッジとクラウドコンピューティングシステムであるSmartEdgeを紹介し、糖尿病の予測を行う。
- 参考スコア（独自算出の注目度）: 16.809702181525044
- License:
- Abstract: The Internet of Things (IoT) revolutionizes smart city domains such as healthcare, transportation, industry, and education. The Internet of Medical Things (IoMT) is gaining prominence, particularly in smart hospitals and Remote Patient Monitoring (RPM). The vast volume of data generated by IoMT devices should be analyzed in real-time for health surveillance, prognosis, and prediction of diseases. Current approaches relying on Cloud computing to provide the necessary computing and storage capabilities do not scale for these latency-sensitive applications. Edge computing emerges as a solution by bringing cloud services closer to IoMT devices. This paper introduces SmartEdge, an AI-powered smart healthcare end-to-end integrated edge and cloud computing system for diabetes prediction. This work addresses latency concerns and demonstrates the efficacy of edge resources in healthcare applications within an end-to-end system. The system leverages various risk factors for diabetes prediction. We propose an Edge and Cloud-enabled framework to deploy the proposed diabetes prediction models on various configurations using edge nodes and main cloud servers. Performance metrics are evaluated using, latency, accuracy, and response time. By using ensemble machine learning voting algorithms we can improve the prediction accuracy by 5% versus a single model prediction.
- Abstract（参考訳）: IoT(Internet of Things)は、医療、交通、産業、教育といったスマートシティドメインに革命をもたらす。
インターネット・オブ・メディカル・モノ(IoMT)は、特にスマート病院や遠隔患者モニタリング(RPM)で注目されている。
IoMTデバイスによって生成された大量のデータは、健康監視、予後、病気の予測のためにリアルタイムで分析されるべきである。
必要なコンピューティングとストレージ機能を提供するためにクラウドコンピューティングに依存している現在のアプローチは、これらの遅延に敏感なアプリケーションにはスケールしない。
エッジコンピューティングは、クラウドサービスをIoMTデバイスに近づけることで、ソリューションとして現れます。
本稿では、AIを活用したスマートヘルスケアのエンドツーエンド統合エッジとクラウドコンピューティングシステムであるSmartEdgeを紹介し、糖尿病の予測を行う。
この作業はレイテンシの問題に対処し、エンドツーエンドシステム内の医療アプリケーションにおけるエッジリソースの有効性を実証する。
このシステムは糖尿病の予測に様々な危険因子を利用する。
エッジノードとメインクラウドサーバを使用して,さまざまな構成で糖尿病予測モデルをデプロイするためのエッジおよびクラウド対応フレームワークを提案する。
パフォーマンスメトリクスは、レイテンシ、正確性、応答時間を使って評価されます。
アンサンブル機械学習投票アルゴリズムを使用することで、単一のモデル予測に対して、予測精度を5%向上させることができる。
関連論文リスト
- SeizNet: An AI-enabled Implantable Sensor Network System for Seizure
Prediction [10.362437111632069]
本稿では,Deep Learning (DL) 法と組込み型センサネットワークを用いてててんかん発作を予測するためのクローズドループシステムであるSeezNetを紹介する。
以上の結果から,SeizNetは従来の単一モダリティおよび非個人化予測システムよりも優れ,発作の予測精度は最大99%向上した。
論文 参考訳（メタデータ） (2024-01-12T15:51:40Z) - Active Inference on the Edge: A Design Study [5.815300670677979]
アクティブ推論(アクティブ推論、英: Active Inference、ACI)とは、脳が知覚情報を常に予測し評価し、長期的サプライズを減らす方法を記述する神経科学の概念である。
我々は,ACIエージェントが要求を満たすことなく,最適化問題を迅速かつ追跡的に解決できたことを示す。
論文 参考訳（メタデータ） (2023-11-17T16:03:04Z) - HealthEdge: A Machine Learning-Based Smart Healthcare Framework for
Prediction of Type 2 Diabetes in an Integrated IoT, Edge, and Cloud Computing
System [0.0]
糖尿病の急激な増加は、糖尿病の発生を予防・予測するために予防措置を取る必要があることを要求する。
本稿では,IoT-エッジクラウド統合コンピューティングシステムにおける2型糖尿病予測のための機械学習ベースのスマートヘルスケアフレームワークであるHealthEdgeを提案する。
論文 参考訳（メタデータ） (2023-01-25T07:57:18Z) - Interpretable Self-Aware Neural Networks for Robust Trajectory
Prediction [50.79827516897913]
本稿では,意味概念間で不確実性を分散する軌道予測のための解釈可能なパラダイムを提案する。
実世界の自動運転データに対する我々のアプローチを検証し、最先端のベースラインよりも優れた性能を示す。
論文 参考訳（メタデータ） (2022-11-16T06:28:20Z) - Fluid Batching: Exit-Aware Preemptive Serving of Early-Exit Neural
Networks on Edge NPUs [74.83613252825754]
スマートエコシステム(smart ecosystems)"は、スタンドアロンではなく、センセーションが同時に行われるように形成されています。
これはデバイス上の推論パラダイムを、エッジにニューラル処理ユニット(NPU)をデプロイする方向にシフトしている。
そこで本研究では,実行時のプリエンプションが到着・終了プロセスによってもたらされる動的性を考慮に入れた,新しい早期終了スケジューリングを提案する。
論文 参考訳（メタデータ） (2022-09-27T15:04:01Z) - DUET: A Tuning-Free Device-Cloud Collaborative Parameters Generation Framework for Efficient Device Model Generalization [66.27399823422665]
デバイスモデル一般化(Device Model Generalization, DMG)は、デバイス上での機械学習アプリケーションにおいて、実用的ながら実証されていない研究トピックである。
本稿では,Device-cloUdコラボレーティブパラメトリクスフレームワークDUETを提案する。
論文 参考訳（メタデータ） (2022-09-12T13:26:26Z) - Edge-centric Optimization of Multi-modal ML-driven eHealth Applications [3.580536707578708]
スマートeHealthアプリケーションは、複数のモードからの入力データを検知し、エッジやクラウドノードにデータを送信し、計算集約機械学習(ML)アルゴリズムでデータを処理します。
本稿では,機械学習によるeHealthアプリケーションのためのエッジ中心の最適化手法,精度-性能トレードオフの探索,および層間共最適化について述べる。
論文 参考訳（メタデータ） (2022-08-04T11:51:34Z) - MAPLE-X: Latency Prediction with Explicit Microprocessor Prior Knowledge [87.41163540910854]
ディープニューラルネットワーク(DNN)レイテンシのキャラクタリゼーションは、時間を要するプロセスである。
ハードウェアデバイスの事前知識とDNNアーキテクチャのレイテンシを具体化し,MAPLEを拡張したMAPLE-Xを提案する。
論文 参考訳（メタデータ） (2022-05-25T11:08:20Z) - 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) - M2Net: Multi-modal Multi-channel Network for Overall Survival Time
Prediction of Brain Tumor Patients [151.4352001822956]
生存時間(OS)の早期かつ正確な予測は、脳腫瘍患者に対するより良い治療計画を得るのに役立つ。
既存の予測手法は、磁気共鳴(MR)ボリュームの局所的な病変領域における放射能特性に依存している。
我々は,マルチモーダルマルチチャネルネットワーク(M2Net)のエンドツーエンドOS時間予測モデルを提案する。
論文 参考訳（メタデータ） (2020-06-01T05:21:37Z) - Adaptive Anomaly Detection for IoT Data in Hierarchical Edge Computing [71.86955275376604]
本稿では,階層型エッジコンピューティング(HEC)システムに対する適応型異常検出手法を提案する。
本研究では,入力データから抽出した文脈情報に基づいてモデルを選択する適応的手法を設計し,異常検出を行う。
提案手法を実際のIoTデータセットを用いて評価し,検出タスクをクラウドにオフロードするのとほぼ同じ精度を維持しながら,検出遅延を84%削減できることを実証した。
論文 参考訳（メタデータ） (2020-01-10T05:29:17Z)
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。