在移动边缘计算环境中用于医学图像诊断的协作推断策略
Shiqian Zhang1,2, Yong Cui3, Dandan Xu1,2
1School of Computer and Artificial Intelligence, Zhengzhou University, Zhengzhou, Henan, China.
PeerJ. Computer science
|March 26, 2025
概括
一个新的策略 (MOCI) 增强了在边缘计算中使用深度神经网络 (DNN) 的移动医疗图像分析. 它通过优化数据传输和计算来减少延迟和能源使用,提高医疗保健效率.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 移动边缘计算 移动边缘计算
背景情况:
- 边缘计算中的移动医疗图像分析提供了方便性,但面临着DNN性能,能源和通信挑战.
- 现有的协作方法表现不稳定的性能和低效的战略探索医疗图像分类.
研究的目的:
- 为医疗图像诊断提出一个深度神经网络 (DNN) 边缘优化的协作推理策略 (MOCI).
- 为解决医疗成像移动边缘计算 (MEC) 环境中的性能,能源和通信限制.
主要方法:
- MOCI将压缩技术 (编码,量子化) 与多代理强化学习 (MARL) 结合起来,用于动态DNN模型细分和协作执行.
- 最佳传输距离 (Wasserstein) 和长短期记忆 (LSTM) 网络被用来增强政策稳定性和适应动态任务复杂性的能力.
主要成果:
- 在医疗图像诊断中,MOCI策略显著降低了处理延迟 (高达38.5%) 和能源消耗 (高达71%).
- 与其他推断策略相比,在对分类准确性的最小影响下 (少于2%的损失) 实现了这些减少.
结论:
- 在MEC环境中,MOCI有效地解决了医疗图像诊断中的协作推断任务.
- 该战略展示了智能医疗保健的广泛潜在应用,促进了服务的效率和质量.


