雾启用模块化深度学习平台用于医疗保健中的文本数据挖掘,用于布基纳法索的病理检测

科学领域:

• 医疗信息学 医疗信息学
• 人工智能的人工智能
• 卫生系统研究 卫生系统研究

背景情况:

• 发展中国家在提供医疗保健方面面临着挑战.
• 数字健康解决方案可以改善医疗诊断和治疗.
• 布基纳法索的卫生系统需要适应特定环境的技术适应.

研究的目的:

• 为布基纳法索提出基于深度学习的医学诊断支持平台架构.
• 整合诊断和治疗指南与OCR处理的处方和电子健康记录.
• 为了比较基于雾的和基于云的架构在布基纳比卫生系统中的适用性.

主要方法:

• 开发了一个深度学习模型,集成手写处方 (通过OCR) 和电子健康记录的文本数据.
• 模拟和比较基于雾和基于云的架构方法.
• 基于布基纳法索卫生系统的背景,评估建筑性能.

主要成果:

• 拟议的平台合并了各种数据源,以加强诊断支持.
• 模拟结果表明,在这种情况下,基于雾的架构优于基于云的架构.
• 经过验证的基于雾的架构最适合布基纳法索的卫生系统组织.

结论:

• 集成OCR和EHR数据的深度学习平台为医疗诊断支持提供了巨大的潜力.
• 雾计算为布基纳法索等资源有限的环境中数字健康提供了可行和有效的架构解决方案.
• 选择的架构符合并支持布基纳法索国家卫生系统的现有结构.