相关实验视频
Updated: Jun 12, 2025
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.6K
基于IoMT的远程患者监控系统的PhysioDimClassifier-不平衡数据分类器模型
1Dept of AIML, JNNCE-Shivamogga, Visvesvaraya Technological University, Belagavi 590018, India.
MethodsX
|June 9, 2025
概括
这项研究引入了PhysioDimClassifier (PDC),以解决远程患者监控系统中数据不平衡的问题. PDC模型提高了数据准确性和疾病诊断,以获得更好的患者结果.
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:
- 远程患者监控系统 (RPMS) 利用医疗物联网 (IoMT) 进行持续的数据收集.
- 在RPMS中的生理数据流经常存在失衡,使得疾病的准确评估变得复杂.
- 现有的方法很难有效地识别和管理这些不平衡的数据集.
研究的目的:
- 引入一个新的模型,PhysioDimClassifier (PDC),用于检测和减轻生理疾病诊断中的不平衡数据.
- 在基于IoMT的RPMS中提高疾病评估的准确性和效率.
- 通过强大的数据分析来改善临床决策和患者的结果.
主要方法:
- 开发了PhysioDimClassifier (PDC),一种分析观察序列以识别正常与不平衡数据的模型.
- 使用旋转树分类器来追踪序列的持久性并分类不平衡的数据.
- 嵌入了序列中断的分析,以改善不平衡数据模式的保留.
主要成果:
- 物理DimClassifier (PDC) 显示了显著的改进:数据准确度提高了高达12.61%.
- 在不平衡数据检测方面取得了13.23%的改进,分类率增加了10.98%.
- 减少了11.22%的数据不平衡和10.5%的评估时间.
结论:
- 该PhysioDimClassifier (PDC) 为医疗保健中的实时不平衡生理数据处理提供了一个强大的,可扩展和高效的解决方案.
- 该模型提高了诊断的准确性,减少了错误分类,从而优化了临床决策.
- 这种方法支持基于IoMT的RPMS的及时和准确的生理疾病诊断,改善患者的护理.
