物联网和基于云计算的疾病诊断使用优化改进生成对抗网络在智能医疗保健系统中

科学领域:

• 医疗保健中的人工智能
• 物联网 (IoT) 用于健康监测
• 云计算用于医疗数据管理管理

背景情况:

• 物联网和云服务的整合改善了医疗保健沟通和生活质量.
• 人工智能和深度学习通过预测分析实现了主动医疗保健.
• 电子健康记录中的循环神经网络提高了疾病预测的准确性.

研究的目的:

• 提出基于物联网和云计算的疾病诊断 (IOT-CC-DD) 系统.
• 为疾病分类使用优化改进生成对抗网络 (IGAN).
• 通过准确和高效的疾病预测来增强智能医疗保健系统.

主要方法:

• 物联网设备和可穿戴传感器收集患者数据 (糖尿病,CKD,心脏病) 并将其存储在云中.
• 数据预处理是在云存储的患者数据上进行的.
• 一个改进的生成对抗网络 (IGAN),通过弗拉明戈搜索优化算法 (FSOA) 进行优化,将数据分类为无疾病或有疾病.

主要成果:

• 拟议的IOT-CC-DD-OICAN-SHS方法显示出卓越的准确性和特异性.
• 与现有方法 (IoT-C-SHMS-HDP-DL,PPEDL-MDTC,CSO-CLSTM-DD-SHS) 相比,实现了较短的执行时间.
• 在使用云模拟的模拟环境中使用性能指标进行验证.

结论:

• 拟议的IOT-CC-DD-OICAN-SHS在智能医疗诊断方面取得了重大进展.
• 优化的IGAN有效地从大型,复杂的患者数据集中对疾病进行分类.
• 该系统为医疗保健中的及时干预和预防性护理提供了基础.