使用回归模型监测生理数据的最佳,节能,医疗物联网框架

科学领域:

• 生物医学工程 生物医学工程
• 计算机科学 计算机科学
• 无线通信无线通信

背景情况:

• 医疗物联网 (IoMT) 网络依赖于电池驱动的传感器,这些传感器需要经常更换或收集能量.
• 在IoMT中嵌入式传感器对电源补充提出了挑战,需要创新的解决方案来实现网络寿命.
• 减少数据传输和重建接收端的信号是节省传感器电池功能的潜在策略.

研究的目的:

• 通过基于决策树的回归模型评估重现生理信号的准确性.
• 评估决定树数量的变化对模型效率和准确性的影响.
• 在IoMT应用中证明显著的电池功率节省和改进的网络寿命.

主要方法:

• 开发和应用基于决策树的回归模型,用于生理信号复制.
• 通过蜂网络传输两组生理信号.
• 执行跨三个代品种的回归分析,以测试不同数量的决策树的模型性能.

主要成果:

• 与现有方法相比,建议的决策树回归模型在数据复制中实现了明显较低的错误率.
• 该研究量化了决策树数量与回归模型效率之间的关系.
• 结果表明,在IoMT中,电池节能和增强网络寿命的潜力很大.

结论:

• 基于决策树的回归模型提供了一种有希望的方法来减少IoMT中的数据传输,从而节省传感器电池功率.
• 在接收端准确的信号重建可以显著延长 IoMT 网络的运行寿命.
• 这种方法为可持续和长期的IoMT部署提供了可行的解决方案,特别是对于嵌入式传感器.