همگامتک بنیاد تحقیقاتی هوش مصنوعی و اینترنت اشیا

بسمه تعالي

گزارش و تحليل مقاله

Edge Intelligence and Internet of Things in Healthcare: A Survey

 در محاسبات لبه ای، پردازش تنها در داخل منبع صورت می گیرد. در واقع هدف از طراحی محاسبات لبه ای یا همان Edge Computing این است که پردازش ها اطراف منبع انجام شوند و به دیتاسنتر های مختلف نیازی نداشته باشند. بزرگترین مزیت محاسبه لبه ای، توانایی پردازش و ذخیره سریعتر داده ها است. این افزایش پردازش داده ها برای شرکت ها بسیار مهم هستند.در حال حاضر بهداشت و درمان از IT برای ارائه سیستم های هوشمند استفاده می کند که تشخیص سلامتی را تسریع می کند و درمان دقیق و موثری را ارائه می دهد. در برخی موارد ما با داده های حساس به زمانی رو به رو میشویم که نیاز است به سرع و در لحظه به روز رسانی شوند. چارچوب های مبتنی بر ابر ، که اغلب از تکنیک های تجزیه و تحلیل داده های بزرگ استفاده می کنند ، می توانند نتایج قابل اعتماد و دقیقی را برای برنامه های کاربردی اینترنت اشیا عمومی که نیاز به پاسخ سریع دارند به دست آورند

جمع بندي و پيشنهاد براي کارهاي آتي

امنیت و حفاظت از داده ها از جمله مواردی هستند که جز نگرانی های این طرح ها مطرح میشوند.با وجود تمام طرح های پیشنهادی و پیشرفت های صورت گرفته شده مدیریت ذخیره سازی محلی و پردازش اطلاعات هنوز در راه حل های مبتنی بر لبه ، به ویژه راه حل هایی که شامل یک محیط سلامت پویا هستند ، مورد توجه قرار نگرفته است. مسئولیت تصمیم گیری محلی به گره های لبه منتقل شد ، در حالی که آموزش مدل به لایه ابر اختصاص داده شد. در سیستم های هوشمند مراقبت های بهداشتی که آموزش مدل های مبتنی بر DL در سطح مه و لبه هنوز امکان پذیر نیست ، توزیع بار کاری و شبکه های عمیق تقسیم شده یک راه حل مناسب است.با این حال ، مدیریت ذخیره سازی محلی و پردازش اطلاعات هنوز در راه حل های مبتنی بر لبه ، به ویژه راه حل هایی که شامل یک محیط سلامت پویا هستند ، مورد توجه قرار نگرفته است. به عنوان کار ها و بررسی هایی که در آینده میتوان انجام داد، تمرکز بر روی این حوزه است که میتواند نتیجه مفیدی داشته باشد.

مراجع

[1] A. O. Akmandor and N. K. Jha, ``Smart health care: An edge-side computing perspective,'' IEEE Consum. Electron. Mag., vol. 7, no. pp. 2937, Jan. 2018.
[2] P. Gaba and R. S. Raw, ``Vehicular cloud and fog computing architecture,applications, services, and challenges,'' in IoT and Cloud Computing Advancements in Vehicular Ad-Hoc Networks. Hershey, PA, USA: IGIGlobal, 2020, pp. 268296.
[3] W. He, G. Yan, and L. D. Xu, ``Developing vehicular data cloud services
in the IoTenvironment,'' IEEE Trans. Ind. Informat., vol. 10, no. pp. 15871595, May 2014.

براي مشاهده ويدئو روي تصوير زير کليک نماييد

فايل تحليل پروژه

فايل ارائه پروژه