一个集成的队列和确定因素理论模型,用于远程患者监控系统中高效的边缘计算

科学领域:

• 医疗保健技术 技术 医疗保健 技术
• 计算机科学 计算机科学
• 网络工程 网络工程

背景情况:

• 远程患者监控系统 (RPMS) 在管理对延迟敏感,生命关键数据的资源方面面临挑战.
• 在医疗保健的雾边云架构中,高效的带宽分配和任务调度至关重要.

研究的目的:

• 引入和评估综合排队和确定因素理论 (IQCT) 模型.
• 在雾边缘云环境中,优化资源管理,带宽分配和RPMS中的任务调度.
• 根据紧急情况优先考虑实时患者数据.

主要方法:

• 开发了综合排队和确定因素理论 (IQCT) 模型.
• 将患者请求分类为紧急,警告和正常类别,使用基于确定性因子 (CF) 的紧急性评估.
• 在Raspberry Pi雾节点上模拟了IQCT模型,使用UCI心脏病数据集.
• 与FCFS,PQ和WFQ相比,基准IQCT使用延迟,能源消耗和响应时间指标.

主要成果:

• 与FCFS相比,IQCT减少了54.5%的紧急请求延迟时间.
• 通过IQCT.net,网络效率提高了30.08%.
• 响应和执行时间分别减少了49.5%和36%.
• 雾层的能源消耗减少了30.8%.
• 可扩展性测试证实在峰值负载下服务质量 (QoS) 稳定.

结论:

• 该IQCT模型为RPMS提供了显著的延迟,网络效率和能源消耗方面的改进.
• 优先排队 (PQ) 和确定因素 (CF) 理论的整合提高了RPMS的性能.
• 在动态,高需求的医疗环境中,IQCT展示了适应性和稳定的QoS.