医疗设备管理的重要研究对象之一,吸引了多学科的研究小组。许多学者感兴趣的部署新的健康、新兴技术主要基于人工智能(AI),计算智能,物联网(物联网),命名数据网络,和雾计算。无缝集成的异构医疗设备导致了服务增强几个医学应用领域。此外,这些技术提供无限的可伸缩性、生产力、升级和盈余的额外回报。这也使得实现连接物理世界与网络空间,导致复杂的物联网的医疗。

IoMT域,而提出不同的应用领域,已督促研究者调查当前的基础设施,流程,工具和技术,以适应大量数据聚合和其他相关的事件。有大量的数据产生的这些IoMT基础系统、见解和最终决定从生成的数据使我们能够做出更好的决策,促进终端用户通过应用机器学习技术。机器学习模型和数据生成的IoMT系统作为持续改进的来源和服务增强各自的应用领域。此外,机器学习的证明有效性减少了人工干预在重大决策的必要性。作为基于IoMT的系统继续扩大其在未来智能城市的各个方面的效用,增加算法和模型需要跟上需求的多个场景。

在这个特殊的问题,研究人员从学术界和实践者行业被邀请提交他们的尖端原始研究和评论文章基于机器学习的方法和技术来执行数据分析IoMT系统。这个特殊的问题旨在解决机器学习技术的进步IoMT基于数据分析系统和改善服务,涵盖各种话题,从新兴应用程序和支持技术,重要的是,工业经验。

潜在的主题包括但不限于以下:

• 自主计算方法IoMT系统
• IoMT大数据和机器学习技术
• 深度学习模型语义web &联系IoMT基于公开数据的应用程序
• 工业物联网实时分析(IIOT)以及IoMT系统
• 机器学习模型的信任和保护隐私IoMT系统
• 数据挖掘和统计建模通过IoMT服务改进
• 机器学习在IoMT能源管理系统
• 资源监控在IoMT容错的增强
• 技术融合和IoMT系统标准化问题
• IoMT多智能主体系统
• 为大规模IoMT系统本体和语义知识
• 进化和bioinspired IoMT多智能主体系统的算法
• 大型IoMT系统智能中间件解决方案
• 基于资源的互操作性和社会方面IoMT系统
• 机器学习紧急检测