基于物联网的健康和情感护理系统" - 信息学系研究报告2023.

可在www.sciencedirect.com在线获取ScienceDirectICTExpress 9（2023）112www.elsevier.com/locate/icte基于物联网的健康和情感护理系统安德烈亚斯·PKostas E.普桑尼斯马其顿大学应用信息学系，希腊接收日期：2021年9月10日;接受日期：2022年2022年3月24日在线提供摘要一个“智能保健室”已安装在本地网络中。这种形式的网络向患者授予受控的网络访问权限，并对他们的数据提供了巨大的安全性，这些数据在给予治疗和患者留在房间的时间进行了交换。为了管理所有程序的“数据学习”方法和传感器的通信，安装了“情感护理系统”。数据将通过网络发送到物联网框架应用程序，该应用程序将通知医务人员患者的健康和情绪状况。版权所有2022作者。出版社：Elsevier B.V.代表韩国通信和信息科学研究所这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：人工智能;大数据;云计算;物联网;安全1. 介绍监视可定义为“对行为和活动的密切观察”。在一些情况下，人们采用监视的目的是影响、管理或保护。传感器和摄像机设备或其他设备对于监控和监督过程非常重要[1]。利用这些技术，可以通过电子设备或获取可能包含普通和相关技术程序的信息，从远处进行观察。“视频监控”（VS）的一种用途是VS在“无线传感器网络”（WSNs）上的应用。这几乎已用于所有网络物理系统，包括分析流量，为公众提供安全，以及监测环境和医疗保健。无线传感器网络中的无线节点连接设施是数据传输中的典型问题。因此，对于VS应用，在每个无线网络处处理和传输大量视频数据是非常困难的。这是一个挑战[2，3]。监控技术可以使用电信网络，因为它们传输监控设备产生的视频或信息。为了传输信息，需要将设备连接到网络。的*通讯作者。电子邮件地址：a. uom.edu.gr（A. P. Plageras），kpsannis@uom.edu.gr（K.E.Psannis）。同行审议由韩国通信研究所负责教育与信息科学（KICS）。https://doi.org/10.1016/j.icte.2022.03.008即使电话处于待机模式，通过使用被称为定位的技术，也可以更容易地定义移动终端的地理位置。换句话说，可以通过计算信号从一部手机传播到靠近手机所有者的任何手机发射塔所需的时间差来跟踪非活动设备[4，5]。此外，在物联网领域中存在称为“物联网”（IoT）的新技术。所有配备传感设备和连接到网络的物理对象组成物联网，为这些对象提供收集和交换数据的能力。物联网技术是即将到来的重要一步，它带来了业务功能的巨大变化。在接下来的几年里，大量和快速增长的各种连接设备，如放置的应用程序，他们将实施的行动，预计[4收集的数据将用于提高性能或确定某些需求，并提供具体要求。为了充分利用上述技术，必须将它们结合起来，通过物联网实现监管技术的优化。此外，可穿戴设备可以集成在医疗保健框架中，因为它们在广泛多样的社会和医疗标准中提供创新能力和多种方法。除了有助于增加医疗服务的提供，改善长期病患者和残疾人的生活质量外2405-9595/© 2022作者。 由Elsevier B.V.代表韩国通信和信息科学研究所出版。这是一CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。A.P. Plageras和K.E. 普桑尼斯ICT Express 9（2023）112113具有经济效益，因为它通过最大限度地减少住院或早期预防疾病或帮助为独立生活提供足够的资源来节省医疗保健费用[7]。通过早期预防疾病，财务考虑是重要的。数以百万计的人患有严重的医疗问题，如糖尿病，哮喘和心脏病，这是负责大部分的医疗费用。这项工作的最大贡献是无线网络的效率及其功能。推荐的网络将提供更简单的通信，更好的信息交换，以及更好的医生和患者之间的互动在治疗期间和治疗相关的隔离和安全的网络。具体来说，这项工作的基本目标是通过多种新技术的实践和对患者和医生的招标，使他们能够更好地交换信息和措施，更适应和相关的医疗保健提供方便，有趣和访问，以获得更好的医疗条件。这可以通过在医生和患者的设备之间安装直接网络来实现，该直接网络本文件的其余章节如下。第2节介绍了所提出的网络架构，在第3节中，可以观察到实验结果。最后，在第4节中，提出了结论和未来的发展方向。2. 拟议系统设计在一个智能医疗室，这可能是医院的一部分或病人的房子的一部分通过这个网络，医生可以很容易地与患者连接到一个安全和独立的网络，在这个网络中，他们可以在医疗保健期间进行通信。更具体地说，本研究的主要目的是通过使用多种新技术和技术来提供最佳的医疗保健环境。这可以通过与卫生和环境设备建立直接网络来实现。这些设备能够通过该网络进行通信[4该网络托管随时间产生值的传感器节点。这些价值取决于它们的数量，可以被称为“大数据”（BD）。为了传输传感器生成的数据和摄像头拍摄的图像，“可扩展消息和存在协议”（XMPP）似乎是最好的解决方案之一。具体的协议是一个开放标准。它基于高效的发布/订阅模型，提供安全有效的通信。XMPP还可以与云和存储系统进行高效交互，并满足所有需求。传感器是连接到患者智能设备中的“代理”的低功耗设备。Broker是一种软件，它保存传感器设备在特定主题下随时间产生的这些值。例如，心率值在主题每个值都有一个权重，在其他人力资源价值观中得到认可。这些值将显示在智能手机的屏幕上，但不由患者管理或分析，以便将他/她的情绪保持在正常水平，而不是将改变值的水平。例如，病人的体温是36.6度，病人只能看到这个数字。在所提出的网络中使用的传感器是心跳传感器、血容量传感器、皮肤电导传感器、温度和体温传感器、湿度传感器以及记录眼睛和嘴部姿势和鬼脸的相机设备。传感器设备分别有“HR”、“BV”、“SC”、“Temp”、“Humm”、“BTemp”和“CD”主题。然后，Broker保存特定主题下的值，发布这些加权值。所有设备都通过Wi-Fi或蓝牙低功耗（BLE）连接到微控制器。然后，微控制器负责与Broker连接，并通过蓝牙5模块或Wi-Fi模块将值传输到智能设备。下面的算法（算法1）给出了节点的编程。该算法中的在 患 者 设 备 上 运 行 的 应 用 程 序 使 用 PHP 框 架 在JavaScript中进行开发。该框架本身为每个患者和隐私提供身份验证。因此，在Broker发布主题之后，应用程序订阅这些主题并获取显示的值。这些值立即存储在指定主题下这种网络为患者提供了有限的互联网访问，并为患者护理期间交换的敏感数据提供了有效的安全性在下面的Fig.1，提出了用于发布/订阅协议的节点通信流程图。在下面的Fig. 2、所提出的系统架构可以被观察到。该系统由监测患者健康状况的可穿戴传感器和“摄像设备”（CD）组成。数据首先在本地进行分析，然后压缩并移动到云服务器以进行更好的分析。 在本地网络中，还有一个WSN，它可以监控智能房间的环境条件，使其更适合患者A.P. Plageras和K.E. 普桑尼斯ICT Express 9（2023）112114−Fig. 1. 发布/订阅协议的拟议节点通信流程图。在这项研究工作中，情绪的预测也被考虑在内。由于传感器被用于监测这种智能自动系统将成为患者应用程序的一部分。在登记时，患者被要求回答一些问题，并填写一些个人数据，如全名，年龄，性别，体重和身高以及健康水平。有些问题需要回答的是，是否有焦虑或易怒，是否有普遍的恐惧，是否有不安或恐慌，以及患者的总体感觉如何。然后，可以将监测系统连接到患者[8为了从信号中提取知识，已经考虑了两个条件，即来自物联网传感器的指标唤醒和效价以及基于“卷积神经网络”（CNN）的机器学习场景关于第一个条件，可以观察到，唤醒减少和效价增加表明人休息。唤醒度的增加和效价的增加表明患者有积极的情绪。唤醒降低和效价降低意味着患者有负面情绪。唤醒增强和效价降低意味着病人害怕什么。这四种状态可以描述人的感受图二. 建议的网络架构。病人但是，还有一些方面在情绪识别中发挥重要作用[12，13]。关于情绪状况，我们的想法是使用过滤器，以便可以从医疗保健期间拍摄的图像中提取知识。因此，需要训练算法以识别人类的不同情绪。为了训练有效的算法，使用了Tensorflow框架。Tensorflow是一个用于训练机器学习算法和模型的开源平台。使用此框架并设置乘数来过滤图像，可以将图像分组并拟合具有相同序列的图像，以便提取特征并识别面部/嘴唇形态[14，15]。3. 实验结果为了实现情绪状况，CNN必须对图像序列进行比较。CNN是一种人工神经网络，它组织这些图像。由于每个人的相同情感的图像之间存在许多变形，我们需要将所有可能的和不同的态射分类到一个单元中。为了更好地理解这种机制，下面的图3详细解释了如何针对人的平静情绪或仅仅是正常的嘴唇形态来训练算法。图像的每个像素都使用了数字，因为计算机读取数字是为了理解图像。数字1用于表示嘴唇态射的灰度像素，数字1用于不应考虑的像素。然后，使用正常的技术，图像进行比较，并与数字1的像素进行分组。此外，CNN比较像素，这些像素是需要匹配的特征，以便识别单个情感的不同唇态射不同的特征组扮演着过滤器的角色，用于理解每种情绪。最后，当比较这两个条件时，可以更准确地预测情绪。让我们首先训练一个关于幸福情绪的算法。第一步是检查第一图像的部分是否匹配第二图像的部分。因为它们匹配，所以一个部分被拾取并放在第二个图像上。如果这些部件A.P. Plageras和K.E. 普桑尼斯ICT Express 9（2023）112115图3.第三章。 每个图像中匹配的一组特征。匹配，那么，分类就完成了。此外，标记的部分在图像中的所有可能位置移动在乘法之后，应该做的是将这些值相加，然后除以像素的总数。然后将结果放入矩阵的正确单元格中。对第一个图像的所有部分都进行了相同的操作。最后，输出是针对一个特定像素的另一个矩阵。对所有三个部分进行同样的操作，结果是三个矩阵。此外，所有负值都被替换为零，因为如果对它们进行汇总，结果将为零这是必须避免的这是通过使用以下等式完成的。（1）：对于y0，G（y）=0;对于y>=0（1），g（y）=y在最后阶段，分类完成，尺寸进一步减小，矩阵变成了一个元素列表。从单个列表中，在列表的确切位置上高的元素将是幸福的情绪。其他三种情绪也是如此4. 结论一个“智能医疗室”已被安装在一个本地的无线传感器网络，其中几个功能的工作。所有已经使用的技术都在由传感器和执行器组成的智能房间中提供了一个新颖，高效，安全和高速的无线网络。所提供的网络的一些优点是患者对互联网的有限访问，并且作为其扩展，提供了对交换的敏感数据的更好保护。还使用各种框架开发了一个应用程序，以获得互操作性、患者认证和简单性。此外，通过数据分析和有效的算法预测情绪。由于这些算法，医疗保健和情感护理系统可以一起工作分享同样的资源。最后但并非最不重要的是，与所提议的其他系统相结合在能源效率方面是有利的。最后，为了进一步分析数据和更多的存储，移动云计算技术被提上了议事日程。竞合利益作者声明，他们没有已知的可能影响本文所报告工作致谢作者要感谢审稿人的宝贵意见和反馈，这对提高论文质量非常有帮助。同时，本论文也是A.P. 普拉格拉斯引用[1] Wahyono，A. Filonenko，K.- H. Jo，使用双背景差序列的智能监视系统的无人值守对象识别，IEEE Trans. 印第安纳告知。12（6）（2016）2247[2] S. Dutt，A.Kalra，一个可扩展和健壮的智能框架实时视频监控，电子工程系，印度理 工 学院（BHU），瓦拉纳西，印度，2016年。[3] Y. Wang，中国山杨D. 赫利湖，加-地 丁，W. Zhang，W. Li，Y.Wu，N. Liu，Y.王，蜂窝网络与广播网络协同的媒体传输，IEEE Trans. 广播. 63（3）（2017）571[4]查特吉河Armentano，物联网的智能和无 处 不在 的 电 子健 康 系 统， 在 ：IEEE 计 算 智能 和 通 信网 络（CICN），国际会议，2015年。[5] LucaCatarinucci ， Danilo de Donno ， Luca Mainetti ，Luca Palano ，LuigiPatrono，Maria Laura Stefanizzi，Luciano Tarricone，智能医疗系统的物联网感知架构，IEEE Internet Things J. 2（6）（2015）。[6] UditSatija，Barathram Ramkumar，M.Sabarimalai Manikandan，Real-时间信号质量感知ECG遥测系统，用于基于物联网的医疗保健监测，IEEE Internet Things J. 4（3）（2017）。[7] Sean Pham， Danny Yeap ，Gisela Escalera ， Rupa Basu ，XiangmeiWu，放大图片作者：Nicholas J. Kenyon，Irva Hertz-Picciotto，MichelleJ. 戴维斯，可穿戴传感器系统监测身体活动和热暴露的生理影响，文章传感器（2020）。[8] SomchanokTivatansakul，Sokko Ohkura，情感识别使用ECG信号与局部模式描述方法，Int. J. Affect. Eng. （2015年）。[9] Atefeh Goshvarpour，Ataollah Abbasi，Ateke Goshvarpour，Anaccurate利用ECG和GSR信号和匹配追踪方法的情感识别系统，Biomed. J.（2017年）。[10] M.- P. Hosseini，D.蓬皮利湾Elisevich，H.Soltanian-Zadeh，Opti-通过物联网进行EEG大数据和癫痫发作预测BCI的混合深度学习，IEEE Trans. 大数据3（4）（2017）392[11] HamidAl-Hamadi，Ray Chen，基于信任的卫生决策物联网系统，IEEE Internet Things J。4（5）（2017）。[12] G.丁氏Y. Guo，J. Zhou，Y.高，大规模跨模态搜索通过集体矩阵分解散列，IEEE Trans.图像处理。25（11）（2016）5427-5440。[13] X. Yang，X.钱氏T.Mei，学习显著视觉词的可扩展性移动图像检索，J.模式识别。48（10）（2015）3093[14] Kalliopi Kyriakou ， Bernd Resch ， Günther Sagl ， AndreasPetutschnig ， Christian Werner ， David Niederseer ， MichaelLiedlgruber，Frank Wil-helm，Tess Osborne，Jessica Pykett，从可穿 戴 生 理 传 感 器 的 测 量 中 检 测 压 力 时 刻 ， Article Sensors（2019）。[15] Z. Lin，G.丁杰汉，J。王，通过概率的交叉视图检索基于语义保持的散列，IEEE trans.Cybern。(99)（2016）1-14.