移动医疗信息系统的基本问题

1。介绍

移动技术一致的增长导致了许多重要的功能,提高了服务的质量提供给各行各业的人。而需要一个更广泛的可用的服务和更加多样化的范围正在扩大,移动技术的多方面和根深蒂固的挑战如安全性、隐私、效率、连贯性,和弹性必须发展。虽然大多数的网上贸易、社交网络、金融交易、个人记录管理,等等越来越多地从手机,重要的是,一个适当的基础设施能够处理该数据来保持,处理,更新、安全,并使其可在需要时按照国家和国际法规。生活质量可以提高通过自动化的任务,对日常生活有直接的影响。日益增长的兴趣在这方面突出的地区之一是医疗提供的支持,无论如何,在任何时候。适当的信息系统和相关的网络基础设施正越来越近。有需要安全、隐私、效率、鲁棒性、一致性和可用性。为了将目标说,提倡一种信息系统,它是合理的可以操作移动设备提供医疗服务,即服务层和数据传输层正越来越接近彼此。

尖端的医疗保健系统是革命性的技术的进步,当适当地集成到现有的最佳实践可以使更快和更安全的治疗,改善医患关系,个性化治疗,并降低成本。这通常可以测量和监测的质量控制的经验(体验质量)。

快速计算和相关技术的进步,我们也看到稳定和无缝集成的通信、网络、硬件小型化、传感、密码学,和各种算法的进步更聪明和越来越多的个性化医疗。挑战的前沿新兴智能医疗系统的问题是如何管理大量越来越多的医疗信息和智能设备在各种不同领域保持技术保证的服务质量(QoS)在任何时间。

在医疗领域,虽然有明显的机会利用来自今天的计算机信息管理技术,包括提供额外的挑战信息可靠性、安全、病人的隐私,实时临界,信息融合,系统可持续性和社会互动等。虽然研究在智能医疗信息管理分析的领域是吸引跨学科,关键的应用,新的机遇,挑战,模型和技术还可以研究和调查。

2。贡献

特殊的问题吸引了总共19个贡献。后一个广泛的杰出的评论家和专家审查期涉及客人编辑,五个论文被接受的特殊问题,导致26%的录取率。下面是公认的论文的介绍。

第一篇论文,题为“拒绝服务影响分析数据路由在无线网状网络,移动电子健康”由美国Alanazi et al .,指出无线网状网络(WMNs)是一种很有前途的技术,出现了几个无线网络的结合。这些无线网络和设备在网状网络交流方式,提供优势——边缘,容易,成本效益的数据通信。许多当前和未来的应用前景取决于WMNs和最重要的一个是电子健康,机密信息的传播与WMNs的帮助。作者认为拒绝服务(DoS)攻击是致命的许多类型的网络,包括无线网状网络,特别是当网络是利用在eHealthcare这样一个高度敏感的场景。分析三种类型的攻击可以导致静态和移动WMNs DoS和补救措施。

第二篇论文,题为“工程质量的情况下移动医疗应用程序使用增强个人软件过程改进,“由s . A . k . Ghayyur et al .,开始讨论,移动医疗系统目前被认为是在软件工程领域的重要研究领域。现代技术,移动医疗系统,是现成的。作者目前的架构增强个人过程技术以提高质量的移动医疗系统通过使用一个架构设计与集成的个人软件过程。

第三,题为“综合可穿戴系统监测心率和步骤在体育活动,“由e·a·p . j . Prawiro et al .,提出将心率(HR)监控系统与体育活动期间使用的步进计数器。小说一步计数器算法开发,使的高精度检测步骤。该系统包括一个无线可穿戴设备,智能手机和远程服务器。可穿戴设备之间的数据传输,智能手机通过蓝牙进行低能量(祝福)。间接接触测量方法也被设计来消除需要直接接触电极和皮肤过敏的可能性。提出系统紧凑、轻便和舒适的穿着。智能手机应用程序提供接口与人力资源相关的数据显示,步数(SC)、运动强度、速度、距离、热量消耗,以及心电图波形相关步骤循环。心电图峰值检测算法实现了99.7%使用MIT-BIH ST改变数据库的准确性。98.89%的精度,人力资源为98.96%,实现了SC在跑步机的速度1.8到9.0公里/小时。

第四,题为“基于特征自动性别检测声带的移动医疗系统,“通过m . Alhussein et al .,提出自动性别检测可能是有用的移动医疗系统在某些应用程序中。在一个人的声音生产系统中,声带的贡献非常重要。声带是依赖于性别的长度;男性比女性长声带议长。由于声带长,男性演讲者的声音变得沉重和,因此,含有更多的声音强度。基于这个想法,一种新的时域声学特性提出了性别自动检测系统。拟议的特性测量声音强度计算修改下的面积轮廓区分男性和女性。两个不同的数据库是用来表明,该功能是独立于文本、口语、方言地区,记录系统和环境。实验结果表明,清洁和嘈杂的演讲的检出率是98.27%和96.55%,分别。

第五和最后的论文,题为“EVFDT:一个增强快速决策树算法检测分布式拒绝服务攻击体内Cloud-Assisted无线区域网络,”r·拉蒂夫et al .,州拒绝服务攻击的检测需要一个适应和增量学习分类器能够准确决策用更少的计算。DDoS攻击检测使用现有的机器学习技术需要完整的数据集是存储在内存中的,而不适合实时网络流量。为了克服这些缺点,非常快的决策树(VFDT)算法提出了在过去,可以有效地处理高速流数据。同时考虑WBAN传感器产生的数据,噪声是一个明显的方面,严重影响精度和增加假警报。在本文中,一个增强的VFDT (EVFDT)算法有效地检测DDoS攻击的发生在cloud-assisted WBANs。EVFDT节点使用一个适应性的打破僵局的阈值分割。解决树规模扩张下极端的声音,一个轻量级的迭代剪枝技术提出了。分析EVFDT的性能,使用四个指标:分类准确性,树的大小,时间,和记忆。仿真结果表明,EVFDT已经达到一个相当高的检测精度和更少的假警报。

确认

我们感谢作者提交他们的宝贵的贡献考虑在这个特殊的问题,和评论家慷慨地捐赠时间审查过程。没有他们的帮助和贡献,这个特殊的问题是不可能的。我们希望读者会发现报纸特刊刺激。

巴西沙赫扎德
穆罕默德a Orgun
Christoph Thuemmler

版权

版权©2016年巴西沙赫扎德等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。