دانلود رایگان مقالات الزویر - ساینس دایرکتدانلود رایگان مقالات پژوهشی مهندسی فناوری اطلاعات ITدانلود رایگان مقالات ژورنالی مهندسی فناوری اطلاعات ITدانلود رایگان مقالات سال 2022دانلود رایگان مقاله ISI اینترنت اشیا به زبان انگلیسیدانلود رایگان مقاله ISI اینترنت و شبکه های گسترده به زبان انگلیسیدانلود رایگان مقاله ISI رایانش مه یا محاسبات مه به زبان انگلیسیدانلود رایگان مقاله ISI محاسبات ابری یا رایانش ابری به زبان انگلیسیدانلود رایگان مقاله ISI مراقبت بهداشتی به زبان انگلیسیدانلود رایگان مقاله ISI مهندسی فناوری اطلاعات به زبان انگلیسی سال 2022 و 2023دانلود رایگان مقاله ISI مهندسی کامپیوتر به زبان انگلیسی سال 2022 و 2023دانلود رایگان مقاله ISI هوش مصنوعی به زبان انگلیسیسال انتشارمقالات Q1 مهندسی کامپیوتر به زبان انگلیسیمقالات مهندسی کامپیوتر با ایمپکت فاکتور بالا به زبان انگلیسی
مقاله انگلیسی رایگان در مورد اینترنت اشیا برای حفظ یک سیستم مراقبت بهداشتی هوشمند و ایمن – الزویر ۲۰۲۲
| مشخصات مقاله | |
| ترجمه عنوان مقاله | اینترنت اشیا برای حفظ یک سیستم مراقبت بهداشتی هوشمند و ایمن |
| عنوان انگلیسی مقاله | Internet of Things for sustaining a smart and secure healthcare system |
| انتشار | مقاله سال ۲۰۲۲ |
| تعداد صفحات مقاله انگلیسی | ۹ صفحه |
| هزینه | دانلود مقاله انگلیسی رایگان میباشد. |
| پایگاه داده | نشریه الزویر |
| نوع نگارش مقاله |
مقاله پژوهشی (Research Article) |
| مقاله بیس | این مقاله بیس نمیباشد |
| نمایه (index) | Scopus – Master Journals List – JCR |
| نوع مقاله | ISI |
| فرمت مقاله انگلیسی | |
| ایمپکت فاکتور(IF) |
۴٫۴۷۱ در سال ۲۰۲۰ |
| شاخص H_index | ۱۴۱ در سال ۲۰۲۰ |
| شاخص SJR | ۱٫۵۶۷ در سال ۲۰۲۰ |
| شناسه ISSN | ۰۱۴۱-۰۲۹۶ |
| شاخص Quartile (چارک) | Q1 در سال ۲۰۲۰ |
| فرضیه | ندارد |
| مدل مفهومی | ندارد |
| پرسشنامه | ندارد |
| متغیر | ندارد |
| رفرنس | دارد |
| رشته های مرتبط | مهندسی فناوری اطلاعات، مهندسی کامپیوتر |
| گرایش های مرتبط | اینترنت و شبکه های گسترده، رایانش ابری، هوش مصنوعی |
| نوع ارائه مقاله |
ژورنال |
| مجله | محاسبات پایدار: انفورماتیک و سیستم ها – Sustainable Computing: Informatics and Systems |
| دانشگاه | Department of Computer Science, Government Bikram College of Commerce, Patiala, India |
| کلمات کلیدی | تیروئید، هوش مصنوعی، محاسبات مه، محاسبات ابری، اینترنت اشیا |
| کلمات کلیدی انگلیسی | Thyroid – Artificial intelligence – Fog computing – Cloud computing – Internet of Things |
| شناسه دیجیتال – doi |
https://doi.org/10.1016/j.suscom.2021.100622 |
| کد محصول | E15843 |
| وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
| دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
| سفارش ترجمه این مقاله | سفارش ترجمه این مقاله |
| فهرست مطالب مقاله: |
| Abstract Keywords Introduction Related work Proposed framework Security aspects of proposed framework Experimental setup and performance evaluation Conclusion CRediT authorship contribution statement References |
| بخشی از متن مقاله: |
| Abstract The thyroid is a key endocrine gland in the human body that regulates several bodily processes, including protein synthesis, energy consumption, and the body’s reaction to other hormones. Segmentation and volume regeneration of the thyroid is particularly important for identifying thyroid-related diseases since the majority of these problems result in a change in the thyroid’s shape and scale over time. There is an urgent need for research on the disease’s origins and spread. The Internet of Things, cloud computing, and artificial intelligence all provide real-time processing for a variety of applications in the healthcare sector. In healthcare and biomedicine applications, machine learning algorithms are increasingly being utilized to make critical choices. Thyroid patients urgently need a robust and latency-sensitive Quality of Service framework. This paper aims to integrate fog computing and artificial intelligence with smart health to provide a dependable platform for thyroid infection early detection. To identify thyroid patients, a novel ensemble-based classifier is proposed. The thyroid dataset is obtained from the UCI library and the simulation is carried out utilizing Python programming. To increase the framework’s security, encryption and decryption methods are suggested. The suggested framework’s performance is assessed in terms of latency, network use, RAM utilization, and energy consumption. On the other side, the suggested classifier’s accuracy, precision, specificity, sensitivity and F1 score are all assessed. The result demonstrates that the suggested framework and classifier perform consistently better than conventional frameworks and classifiers. Introduction Thyroid disease is a chronic condition that affects almost 200 million people globally and is more prevalent in women than men. Thyroid disorder in women is difficult to diagnose and treat due to a variety of causes. Many women with thyroid disease are misdiagnosed or continue to have symptoms even after being treated. Numerous causes complicate the diagnosis and treatment of thyroid disease. The most often used blood test for thyroid disorder (thyroid-stimulating hormone [TSH]) can yield false results. More precisely, while combining all three major thyroid function tests (TSH, free T3, and free T4) provides the most comprehensive assessment of thyroid function, the TSH test is often used alone. As a result, critical health diagnoses (e.g., hyperthyroidism, hypothyroidism) are sometimes overlooked. Additionally, since thyroid dysfunction mimics the effects of other diseases (e.g., stress, menopause), thyroid disease is often misdiagnosed and untreated. |
