Data compression and deep learning for IoT healthcare applications based on physiological signals ; Compression de données et apprentissage en profondeur pour les applications de santé IoT basées sur des signaux physiologiques
Titel:
Data compression and deep learning for IoT healthcare applications based on physiological signals ; Compression de données et apprentissage en profondeur pour les applications de santé IoT basées sur des signaux physiologiques
Anmerkungen:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Beschreibung:
Ces dernières années, la technologie de l'Internet des objets (IoT) a suscité un vif intérêt en raison de sa capacité à alléger certaines tâches de soins de santé causé par le vieillissement de la population et l'augmentation des maladies chroniques. La technologie IoT facilite le suivi des patients souffrant de différentes pathologies et le traitement de vastes volumes de données, dont une partie substantielle de ces données sont des signaux physiologiques. Les signaux physiologiques sont une source inestimable de données qui aident à diagnostiquer, réhabiliter et traiter les maladies. Les signaux proviennent d'un réseau de capteurs corporels sans fil ou d'appareils portables placés sur le corps d'un patient. Il existe de nombreuses difficultés dans les systèmes de soins de santé IoT, tels que la collecte et le traitement des données. En particulier les problèmes suivants peuvent survenir : (1) les nœuds de capteurs sans fil ont des ressources énergétiques, de traitement et de mémoire limitées, (2) la quantité de données collectées périodiquement est énorme, (3) la qualité des données collectées n'est pas toujours satisfaisante et ces données sont susceptibles d'être bruitées ou peu fiables, et (4) le processus d'extraction manuelle des caractéristiques à partir des signaux physiologiques nécessite une intervention humaine et une expertise médicale importantes.Tout d'abord, une technique de compression de données éco-énergétique est proposée dans cette thèse. Le schéma proposé est basé sur un algorithme de compression avec perte. Cet algorithme a été conçu à l'origine pour des applications de calcul haute performance et a été adapté pour les dispositifs IoT qui sont limités en ressources. La solution proposée est un algorithme facile à mettre en œuvre, qui peut réduire la consommation d'énergie jusqu'à 2,5 fois. Il réduit également le temps de traitement / transmission en compressant les données avant leur transfert de l'IoT vers une machine Edge. De plus, une analyse empirique a été réalisée pour étudier ...