基于模糊的高效医疗数据收集和分析机制,使用IoMT中的边缘节点

科学领域:

• 计算机科学 计算机科学
• 医疗信息学 医疗信息学
• 网络工程 网络工程

背景情况:

• 物联网 (IoT) 在医疗保健中越来越多地用于数据收集.
• 医疗保健中的物联网传感器冗余数据传输导致能源消耗增加和网络开销增加.
• 现有的系统缺乏有效处理重复数据的机制,影响网络性能.

研究的目的:

• 提出一个模糊数据聚合系统 (FDAS),用于在物联网健康应用中高效的数据聚合.
• 通过应对冗余数据的挑战,减少能源消耗和提高网络性能.
• 改善医疗保健中异质物联网网络的寿命和稳定性.

主要方法:

• 实现了一个模糊数据聚合系统 (FDAS),使用模糊逻辑来选择父节点.
• 开发了一种使用布尔数字识别和标记冗余数据值的机制.
• 存储冗余数据在存储库中,以便在未来使用,优化传输.
• 通过使用网络模拟器与基础方案对FDAS性能进行验证.

主要成果:

• 在数据传输的两个阶段,FDAS显著降低了能源消耗.
• 与现有方法相比,该系统实现了优越的数据聚合.
• 据证明,FDAS降低了控制开销,并最大限度地减少了所需的传输槽.
• 拟议的系统即使在复杂的网络环境中也保持稳定的效率.

结论:

• FDAS有效地减轻了物联网医疗保健系统中冗余数据相关的问题.
• 拟议的系统通过优化能源使用和数据处理来提高网络寿命和性能.
• FDAS提供了一个强大的解决方案,用于在异质物联网环境中高效的数据聚合.