基于混合深度学习模型的智能IOT基于COVID-19的监控系统

科学领域:

• 生物医学工程 生物医学工程
• 医疗信息学 医疗信息学
• 医疗保健中的人工智能

背景情况:

• 由于社会距离和隔离措施,COVID-19大流行需要远程医疗保健解决方案.
• 传统的面对面医疗访问带来了疾病传播的风险,因此需要可访问的远程监测.
• 现有的物联网医疗保健系统提供远程访问,但需要加强数据分析以获得有效的治疗.

研究的目的:

• 设计和实施基于物联网 (IoT) 的医疗监控系统,用于远程收集患者数据.
• 开发一个创新的反复卷积神经网络 (RCNN),与益智优化 (PO) 算法集成,用于健康数据分类.
• 为了能够持续监测氧气水平,血压,体温和心率等生命体征,特别是在农村人口中.

主要方法:

• 设计了一个物联网系统,远程收集患者的生命体征.
• 利用基于云的数据存储,以实现高效的数据管理和可访问性.
• 提出了一种新的循环卷积神经网络 (RCNN) 模型,通过拼图优化 (PO) 算法来增强数据分类和分析.

主要成果:

• 开发的物联网系统有效地测量和监控患者的关键参数.
• RCNN-PO模型在分类健康数据方面表现强,在实验分析中表现优于最先进的方法.
• 云存储为医生轻松访问患者历史数据提供了便利.

结论:

• 拟议的物联网医疗监测系统为远程患者护理提供了可行的解决方案,特别是在服务不足的农村地区.
• 整合RCNN和PO提供了一种先进的方法来分析健康数据,以改善临床决策.
• 该系统提高了医疗保健的可访问性和效率,支持医生监督的持续患者管理.