TY -的A2 -文卡特斯,c . AU - Lavanya r . AU - Vidyabharathi, d . AU -库马尔,s .热带雨林AU -马里Manisha盟——Arunkumar m . AU - Aravinth s . s . AU - Zainlabuddin。非盟- Jose Triny k . AU - Sathyendra Bhat, j . AU - Tesfayohanis Miretab PY - 2023 DA - 2023/02/23 TI -可穿戴传感器边缘计算框架对心律失常的检测和急性中风预测SP - 3082870六世- 2023 AB -互联网什么智能医疗系统获得的关注近年来改善医疗保健服务和减少数据管理成本。然而,有要求改善智能医疗系统的速度、精度和成本。一个智能和安全的计算框架与可穿戴设备和传感器提出了心律失常检测和急性中风的预测。减少延迟是高度重要的实时连续的评估,和分类精度提高急性中风预测。本文基于预处理和深度学习评估执行的计算层,和决定立即传达到个人。在这个工作中,急性中风预测是由深学习模型使用心率变异性特性和生理数据。分类精度提高在这种方法相比其他机器学习方法。云服务器用于存储个人医疗数据进行进一步分析。分析这些服务器的数据共享与医院、医疗中心、家庭成员,和医生。提出边缘计算可穿戴传感器方法优于现有的智能healthcare-based方法在执行速度方面,延迟时间和功耗。 The deep learning method combined with DWT performs better than other similar approaches in the assessment of cardiac arrhythmia and acute stroke prediction. The proposed classifier achieves a sensitivity of 99.4%, specificity of 99.1%, and accuracy of 99.3% when compared with other similar approaches. SN - 1687-725X UR - https://doi.org/10.1155/2023/3082870 DO - 10.1155/2023/3082870 JF - Journal of Sensors PB - Hindawi KW - ER -