基于物联网的远程医疗系统的安全性提高,使用深度学习与水母搜索优化算法进行深度学习

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
• 人工智能的人工智能

背景情况:

• 慢性疾病的增加和人口老龄化需要先进的远程健康监测解决方案.
• 物联网 (IoT) 提供了远程患者护理的潜力,但在带宽和能源限制方面面临挑战.
• 高效的资源应用需要平衡机器分析和人类洞察力,同时尽量减少数据传输.

研究的目的:

• 为物联网医疗保健应用程序使用深度学习与水母搜索优化器 (ESHCS-DLJSO) 提出以人为中心的系统的增强安全机制.
• 在人机界面中实现安全的医疗数据传输和早期健康问题的识别.
• 解决远程监控环境中带宽或能源限制所带来的关键威胁.

主要方法:

• 在数据预处理中使用了min-max规范化.
• 采用细菌食优化算法 (BFOA) 来进行特征提取.
• 实施了一个具有长期短期记忆的卷积神经网络 (CNN-LSTM-Attention) 用于疾病检测和分类.
• 应用的水母搜索优化器 (JSO) 用于超参数调整.

主要成果:

• ESHCS-DLJSO技术在物联网医疗保健安全数据集上表现出卓越的性能.
• 达到99.43%的高精度,超过了现有的方法.
• 成功实现了安全的数据通信和早期疾病识别.

结论:

• ESHCS-DLJSO方法为物联网医疗保健中安全和高效的远程健康监测提供了有效的解决方案.
• 深度学习和优化算法的集成增强了疾病检测和系统安全性.
• 这种方法为改善患者护理和降低医疗保健成本提供了一个有希望的途径.