مقاله انگلیسی رایگان در مورد اتخاذ تصمیم انعطاف پذیر داده مفقود برای اینترنت اشیای بهداشت و درمان – الزویر ۲۰۱۹

elsevier

 

مشخصات مقاله
ترجمه عنوان مقاله اتخاذ تصمیم انعطاف پذیر داده مفقود برای اینترنت اشیای بهداشت و درمان از طریق شخصی سازی: مطالعه موردی در مورد سلامت مادران
عنوان انگلیسی مقاله Missing data resilient decision-making for healthcare IoT through personalization: A case study on maternal health
انتشار مقاله سال ۲۰۱۹
تعداد صفحات مقاله انگلیسی  ۳۹ 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 – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۵٫۳۴۱ در سال ۲۰۱۷
شاخص H_index ۸۵ در سال ۲۰۱۹
شاخص SJR ۰٫۸۴۴ در سال ۲۰۱۷
شناسه ISSN ۰۱۶۷-۷۳۹X
شاخص Quartile (چارک) Q1 در سال ۲۰۱۷
رشته های مرتبط  مهندسی فناوری اطلاعات – مهندسی کامپیوتر
گرایش های مرتبط  شبکه های کامپیوتری – اینترنت و شبکه های گسترده – الگوریتم و محاسبات
نوع ارائه مقاله
ژورنال
مجله / کنفرانس سیستم های کامپیوتری نسل آینده – Future Generation Computer Systems
دانشگاه Department of Future Technologies, University of Turku, Turku, Finland
کلمات کلیدی داده مفقود، نظارت بلند مدت، نظارت بر سلامت، اینترنت اشیا، مراقبت از مادران، تصمیم گیری شخصی
کلمات کلیدی انگلیسی Missing Data, Long-term Monitoring, Health Monitoring, Internet of Things, Maternity Care, Personalized Decision Making
شناسه دیجیتال – doi
https://doi.org/10.1016/j.future.2019.02.015
کد محصول E12043
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:
Outline
Highlights
Abstract
Keywords
۱٫ Introduction
۲٫ Background and related work
۳٫ Missing data resilient decision-making approach
۴٫ Demonstration and evaluation
۵٫ Conclusion
Acknowledgments
References

بخشی از متن مقاله:
Abstract
Remote health monitoring is an effective method to enable tracking of at-risk patients outside of conventional clinical settings, providing early-detection of diseases and preventive care as well as diminishing healthcare costs. Internet-of-Things (IoT) technology facilitates developments of such monitoring systems although significant challenges need to be addressed in the real-world trials. Missing data is a prevalent issue in these systems, as data acquisition may be interrupted from time to time in long-term monitoring scenarios. This issue causes inconsistent and incomplete data and subsequently could lead to failure in decision making. Analysis of missing data has been tackled in several studies. However, these techniques are inadequate for real-time health monitoring as they neglect the variability of the missing data. This issue is significant when the vital signs are being missed since they depend on different factors such as physical activities and surrounding environment. Therefore, a holistic approach to customize missing data in real-time health monitoring systems is required, considering a wide range of parameters while minimizing the bias of estimates. In this paper, we propose a personalized missing data resilient decision-making approach to deliver health decisions 24/7 despite missing values. The approach leverages various data resources in IoT-based systems to impute missing values and provide an acceptable result. We validate our approach via a real human subject trial on maternity health, in which 20 pregnant women were remotely monitored for 7 months. In this setup, a real-time health application is considered, where maternal health status is estimated utilizing maternal heart rate. The accuracy of the proposed approach is evaluated, in comparison to existing methods. The proposed approach results in more accurate estimates especially when the missing window is large.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *