在大型基于互联网的医疗保健领域通过Fog-Cloud计算平台进行主动个性化服务外文翻译资料

英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料

外文翻译译文

在大型基于互联网的医疗保健领域通过Fog-Cloud计算平台进行主动个性化服务

绪论: 随着医疗传感器和物联网的发展，个性化协助老年人和患者生活是物联网医疗应用中的关键服务。然而，随着各种医疗传感器的无处不在，个性化服务的规模和复杂性也在不断增加，导致响应时间增加和资源浪费。因此，在数据流处理中充分利用复杂事件处理（CEP）的优势，我们提出了一种用于个性化服务层次的雾与计算CEP体系结构，以缩短响应时间并减少资源浪费。首先介绍下提出的体系结构，其中包括传感器层，雾层和云层。其次，我们提出了一系列针对体系结构的优化，分区和聚类方法以及通信和并行处理策略来优化Fog-Cloud计算。最后，我们实现了一个基于名为FogCepCare的架构的原型系统。实验结果显示FogCepCare优于传统的基于物联网的医疗应用。

关键词: 个性化服务; 雾计算; 复杂事件模式; 基于物联网的医疗应用

1. 引言

“预防性治疗”是中医治疗疾病和健康问题的重要思想之一。及早发现健康状况恶化是降低与几种疾病有关的死亡率和医疗费用的关键因素。 随着物联网技术的发展，物联网是一个日益普及的概念，它影响着人类生活的许多方面[1]。 基于物联网的医疗保健应用作为一种新型范式协助老年人和患者通过个性化服务成为物联网领域的关键应用。随着医疗传感器和物联网的不断发展，可以在保健方面实现显着的增强，如早期检测和预测。

基于物联网的医疗服务通过个性化服务提供一套医疗保健解决方案。 它可以应用于多个领域，包括护理儿科和老年患者，功能涵盖单一和群集条件解决方案的大量应用[2]。 在医疗保健领域，物联网服务没有标准的定义。本文提出的个性化服务主要是一套医疗保健解决方案，包括用户在基于物联网的医疗应用中制定的健康管理编排和疾病预测编排。

个性化服务是医疗保健解决方案的基石。它包括通知服务，资源共享服务，互联网服务，用于异构智能设备的交叉连接协议等。有一些有效的方法来处理个性化服务[3-9]。然而，随着个性化服务在规模庞大的基于物联网的医疗保健应用中变得复杂且庞大，导致响应时间增加并造成资源浪费，因为存在相关服务和重复服务的填充。在处理因突发心脏骤停而不幸死亡的人时，由于紧急治疗无法进入，时间是一个关键问题。因此，有必要优化处理个性化服务。在本文中，我们提出了一种层次雾与云计算CEP架构，以处理大规模基于物联网的医疗保健应用中的大量和复杂的个性化服务。

CEP是一种用于重新数据流处理的新兴技术。它已被广泛用于实时检测应用。对采用分布式并行技术的复杂事件模式的优化研究很多[10-18]。云计算是一种模式，可以方便地按需访问共享的可配置计算资源池，可以快速配置。网络，服务器以最少的管理工作或服务提供商交互进行发布[19]。而雾计算，一个新提出的计算范例，将云计算范例扩展到网络边缘，利用协作的大量终端用户客户端或近端用户边缘设备来执行大量的计算，存储，通信等[20,21]。雾计算可以提供对所需应用程序的快速响应。因此，云计算和大量应用于物联网领域的雾计算考虑了对延迟敏感的multime-dia服务和其他时间敏感的服务，如医疗保健和IoV [22,23]。同时，为了提高反应速度和增强能力，一些雾云计算架构是紧急的[24-32]。

然而，在大规模基于物联网的医疗应用中，个性化服务之间的相关性将逐渐增强，这将造成重复计算并增加通信资源导致服务资源的浪费。而个性化服务之间的相关性很少被探索。因此，针对大规模基于物联网的医疗应用，本文提出了一种分层雾与云计算CEP架构。通过分析复杂事件模式之间的相关性，采用复杂的事件模式分割和聚类算法优化个性化服务的关联过程，提出一种优化雾和云通信的通信策略，提出并行处理在雾和云中执行事件模式的策略。

成果：本文的主要成果是为以下3点：

• 我们针对大规模基于物联网的医疗保健应用设计了层次雾云CEP架构，以减少服务延迟并实现快速响应和高效检测。
• 我们针对所提出的架构提出了一系列优化，提出了一种划分和聚类算法来优化个性化服务的处理，将通信策略应用于雾和云的通信以减少冗余，使用分层并行模型来改善 检测能力。
• 我们实施了基于分级雾云CEP架构的原型系统，名为FogCEPCare。 实验结果表明，FogCEPCare适用于大型物联网医疗应用。

本文的其余部分组织如下，第II部分给出了一个大型物联网医疗应用场景。第三部分提出了一个层次雾云CEP架构和一系列架构优化。我们设计了一个原型系统并在第四节中描述了细节。第五部分通过实验显示了评估。最后，我们在第六部分介绍相关工作，并在第七部分结束该论文。

1. 场景：示例 - 实时智能医疗应用

近年来，研究人员通过开发智能健康数据传感器和辅助移动设备解决医疗保健需求。目前，基于智能医疗传感器，可以实时监测温度，心率，脉搏，血压，心电图，体重，日常步行等多种医疗健康数据。 传感器收集的数据主要有两种处理方案。其一，从智能传感器上分析存储在服务器上的数据，我们预测疾病或疾病在致命之前。其二，系统通过实时分析数据立即发送警告或通知。在这里，我们使用第二种处理方案，并举例说明实时智能医疗监护，以检验我们的方法。

图1是大规模基于物联网的医疗应用程序的概述。该系统接收来自智能传感器和监控设备的实时医疗数据流，系统通过用户或医疗专家通过这些个性化服务监控用户的健康状况。在这个场景中，一些个性化的服务被医疗中心设计得过于复杂，例如监控紧急疫情或流行病。

在该场景中，用户信息表示如表1所示的用户健康信息流，检测设备和监控设备根据需要在一定时间段内发送用户信息，除传感器数据外，还有人工提交数据和医疗提交数据。所有这些都由实时数据流组成。我们将详细描述智能医疗服务，如表2所示。

在这个场景中，大规模的实时数据流由传感器的意识信息和用户或医务人员提供的信息组成。用户或医务人员设计的所有个性化服务都包含在内。 医疗人员的等级越高，个性化服务越复杂。我们应该注意到，用户或医疗中心设计了大量交互式个性化服务，因此，系统应考虑过程能力或最优解决方案。

表一：用药用户信息描述

表二 ：药物个性化服务描述

图1：智能医疗应用概述

1. 基于医疗保健的雾云CEP架构

3.1 多层雾云CEP架构

随着智能传感器和物联网技术的发展，大量智能传感器应用于基于物联网的医疗应用中。现在老龄化社会已经到来，越来越多的长者和患者将基于物联网的医疗保健应用程序用于帮助他们的生活，从而使基于物联网的医疗应用程序中的大数据盛行。大数据的变化带来了一些问题，如个性化服务正在变得庞大和复杂，重复计算和冗余数据，高响应时间等等。但是，当大型基于物联网的医疗应用出现紧急事件时，有必要提供低延迟响应时间来保护老年人和患者。因此，我们提出了一种层次雾云CEP架构，将雾计算集成到传统的CEP架构中，以提供低延迟响应时间。

图二：层次雾云CEP体系结构

我们在图2中展示了一个三层Fog-Cloud CEP架构。在该架构的底层，第1层是传感器层，其中包含非常大量的智能设备和传感器以及由这些传感器生成的大量传感数据流。这些传感器属于一些老年人和患者，每个老人或患者都有一个由用户定制的个性化服务节点，每个个性化服务由一个或多个智能传感器事件组成。节点以无线通信方式连接到传感器。请注意，该节点属于地理空间上的第1层，但属于逻辑层中的第2层。

第2层是由多个雾计算节点和所有个性化服务节点组成的雾层。在图层中检测到简单事件和紧急事件，以便对用户做出快速响应。每个雾节点连接到一组通常以有线通信方式覆盖社区或小社区的个性化服务节点，这些节点在地理空间或逻辑域中提供数据实时分析。

第三层是一个云计算数据中心，可以实时验证数据并进行批量分析，存储和集中控制。尤其是云计算负责在架构中通过高性能分布式并行计算模型进行复杂和长期的事件模式处理。 在该体系结构中，为了提高性能和减少延迟，一个复杂的个性化服务使用将事件模式划分为三层，以便通过集中控制进行检测。

3.2 优化个性化服务

众所周知，在大型基于物联网的医疗保健应用中，直接检测到个性化服务是无效的。尽管采用雾云CEP架构，但复杂的个性化服务作为一种复杂的事件模式通过分布式和并行模式进行处理，但在大规模基于物联网的医疗保健中仍有一些问题需要解决。比如如何将复杂事件模式分解为简单事件模式，如何生成执行检测任务的计划，如何将简单事件模式分布到图层中以及如何计算节点。在本节中，我们提出了一套针对个性化服务的优化解决方案。

挑战：针对以上问题，我们主要对两方面进行优化分类：问题复杂事件模式的分割和聚类。

复杂事件模式的分区

复杂事件模式的分割被用来将复杂事件模式的复杂性降低到并行处理。然而，复杂事件模式的划分涉及到模式的分解和合并，优化算法是一个NP难题。因此，我们需要找出合理可行的分区算法。

复杂事件模式的聚类

事件模式的聚类用于优化复杂事件模式的重复。分解成多个子事件模式的复杂事件模式在子事件模式中生成许多重复的事件模式。如果我们只考虑节点负载平衡，分布在不同节点上的重复事件模式会导致系统资源的浪费。然而，考虑到工作负载平衡和消除重复，子事件模式的聚类算法很困难。

提出的解决方案：我们提出了一种复杂的事件模式划分和聚类算法，以消除个性化服务的重复，实现云中并行处理的工作量平衡。首先，我们提出用复杂事件模式来表达个性化服务。其次，我们提出了一种复杂事件模式的分割算法来分解模式。与以前的方法不同，我们不直接检测复杂的事件模式。该过程步骤首先分解复杂事件模式并生成若干子事件，然后挖掘复杂事件模式之间的关联关系，重用子事件模式重构复杂事件模式的计划。再次，提出了一种事件模式聚类算法，以消除重复事件模式，实现工作量平衡。

3.2.1 个性化的服务表达

通过复杂的事件模式表达个性化服务。复杂事件模式用SASE [33]事件语言表示的结构如下：EVENT lt;event patterngt;
[WHERE lt;qualifcationgt;]
[WITHIN lt;windowgt;]

有三种复杂事件模式的结构。通常，复杂事件模式由四个通用模式运算符组成，SEQ，AND，OR，NOT。在下文中，我们使用事件表达式语言和有向无环图（DAG）来表示事件模式。

如图3所示，我们使用DAG来表示第二部分中的六个个性化服务的图表。

在图3中，我们删除了本文重点讨论的内容和内容个性化服务之间的复杂关联的优化复杂的事件模式。

表2中提供了6种个性化服务描述，个性化服务不仅是单一信号或简单事件，还可以是由多种传

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[467664]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 变分推理的研究进展外文翻译资料
• 强化学习技术综述:在工业过程控制中的介绍与应用外文翻译资料
• 通过中冷器互联的组合空调和制冷系统的性能特性外文翻译资料
• 配备空调系统的多人办公室人员的热适应行为和热舒适度外文翻译资料
• 一种主动响应智能电网电力需求的新型空调系统外文翻译资料
• 地铁列车空调系统的延时特性外文翻译资料
• GSHP集成空调系统的空间温度控制外文翻译资料
• 露点间接蒸发冷却器和PV/T组合式除湿空调系统的性能评估外文翻译资料
• 4. 7 保护变电站绝缘外文翻译资料
• 智能建筑研究综述外文翻译资料