مناقشة رسالد دكتوراه حول جمع البيانات متعدد المستشعرات المتكيف ودمجها مع اتخاذ القرار لرصد المخاطر الصحية للمرضى في انظمة الاستشعار اللاسلكية للجسم
 التاريخ :  10/10/2021 9:31:50 PM  , تصنيف الخبـر  كلية تكنولوجيا المعلومات
Share |

 كتـب بواسطـة  مسؤول موقع كلية تكنولوجيا المعلومات  
 عدد المشاهدات  406

تمت مناقشة طالبة الدراسات العليا – الدكتوراه (الاء شوقي جابر علي) في يوم الخميس المصادف 23/9/2021 وعلى قاعة المؤتمرات في كلية تكنلوجيا المعلومات وكان عنوان اطروحة الدكتوراه: 


Adaptive Multisensor Data Collection and Fusion with Decision Making for Patient Health Risk Monitoring in WBSNs

 جمع البيانات متعدد المستشعرات المتكيف ودمجها مع اتخاذ القرار لرصد المخاطر الصحية للمرضى في انظمة الاستشعار اللاسلكية للجسم 
 
 
مراقبة الحالة الصحية لكبار السن وانتشار الأمراض المزمنة أدى إلى زيادة الحاجة إلى تطوير أنظمة لرصد الظروف الصحية للمريض ولاسيما الانظمة التي تستخدم أجهزة الاستشعار الحيوية عن بعد. اقترحت هذه الاطروحة استخدام انظة الاستشعار الطبية اللاسلكية لجمع البيانات الحيوية لصحة المريض وبشكل متكيف مع درجة الخطورة ومن ثم دمج البيانات المجموعة من السنسرات الطبية لاتخاذ القرار المناسب. يتالف العمل من ثلاثة اطوار تكون مترابطة ومكملة بعضها البعض وتكون بشكل فترات.
الطور الأول يتضمن استخدام مستشعر واحد ويقترح تقنية AREDaCoT التي تهدف إلى تقليل استخدام طاقة المستشر الحيوي في مراقبة صحة المريض عن طريق تكيف اخذ العينات وتكون بمرحلتين: المرحلة الأولى تزيل التكرار من الاشارات الحيوية باستخدام تقتية LED المحسن الذي يعمل كنقطة إنذار مبكر محلية. والمرحلة الثانية تقيم مستوى درجة الخطورة وفقًا لصحة للمريض ومن ثم معايرة درجة الخطورة للحصول على التكييف المطابق لها للفترة التالية.
الطور الثاني يعمل على عدة مستشعرات طبية وتتضمن ثلاث مراحل. مرحلة تقليل استخدام طاقة السنسرات عن طريق تكيف اخذ العينات باستخدام تقنية EMDaST ومرحلة دمج البيانات المكيفة من عدة مستشعرات  واخيرا مرحلة اتخاذ القرار باستخدام تقنية PRMD.  
الطور الاخير يعمل على عدة مستشعرات طبية ايضا ويقترح تطوير تقنية اتخاذ القرار المنجز بالطور الثاني الى استخدام تقنية التعلم الآلي / شجرة الانحدار المربعة الصغيرة LSRT. يعتمد اتخاذ القرار المحسن من خلال تدريب وبناء شجرة انحدار كاملة تؤدي الى التنبؤ بالمخاطر الصحية للمريض وايضا المساهمة في تحديد كمية البيانات المستشعره للفترة المقبلة. لذلك فهي تعوض الاستخدام الزائد لعملية المعايرة لتحديد مستوى الخطر للمريض.
تم استخدام بيانات صحية حقيقية من مستودع بيانات عالمي وتم إجراء مقارنة مع بحث مقارب لتقييم أداء جميع الأساليب المقترحة من حيث تقليل معدلات استهلاك الطاقة، تكامل للبيانات بعد تقليلها، الحفاظ على دقة البيانات وسلامتها. جميع الاطوار المقترحة تمت برمجتها باستخدام باستخدام المحاكي C++ من بيئة  Visual Studio. 






الاعلى مشاهدة