MEC支持的优先级健康监测系统：任务调度与资源分配优化

本文主要探讨了边缘计算在健康监测系统（HMS）中的关键作用，特别是在处理资源受限的可穿戴物联网设备产生的大量数据时。随着新型智能设备的兴起，这些设备的能源和计算能力有限，这就需要借助移动边缘计算（MEC）来优化数据处理流程，提升响应速度，支持对延迟敏感和计算密集型应用的需求，同时减少网络带宽的消耗。 研究者们提出了一个名为“基于优先级的任务调度和资源分配”（PTS-RA）的创新机制，旨在有效管理HMS中的任务处理。PTS-RA机制的核心在于根据不同任务的紧急程度，动态调整任务在医院工作站（HW）和云端之间的分配。紧急任务会被赋予更高的优先级，以便优先执行，从而确保医疗服务的及时性和效率。 为了验证PTS-RA的有效性，研究人员将其与一系列先进的算法进行了基准测试，包括评估指标如平均延迟、任务调度效率、任务执行时间、网络使用率、CPU利用率以及能耗。测试结果显示，PTS-RA机制在处理紧急情况时表现出色，能够在满足低延迟需求的同时，显著降低带宽成本。 这项工作发表在《沙特国王大学学报》上，是开放获取的，遵循CCBY-NC-ND许可证，允许在特定条件下免费分享和使用。研究背景涵盖了广泛的应用场景，如无线传感器网络、智能手机、智能汽车等，显示出边缘计算在智慧医疗领域的重要潜力，对于优化未来医疗保健监控系统的性能具有实际意义。 本文通过对基于优先级的任务调度和资源分配机制的研究，为边缘计算环境下健康监测系统的高效运行提供了新的解决方案，对于提升可穿戴物联网设备在医疗领域的应用有着深远的影响。