基于雾计算的猪流感疫情监测和控制的智能医疗支持服务

医学信息学解锁26（2021）100636以雾为中心的物联网智能医疗支持服务，用于监测和控制猪流感病毒的流行Prabh Deep Singha，Rajbir Kaur b，Kiran Deep Singh c，Gaurav Dhimand，*，Mukesh Soni ea印度旁遮普邦Patiala市旁遮普大学计算机科学与工程系b印度旁遮普省帕蒂亚拉旁遮普大学电子和通信工程系c印度旁遮普邦IKG旁遮普技术大学计算机科学与工程系d印度旁遮普邦Patiala政府Bikram商学院计算机科学系印度博帕尔Jagran Lakecity大学计算机科学与工程系A R T I C L EI N FO关键词：机器学习COVID-19人工智能服务质量冠状病毒Enhancement分类器A B S T R A C T疾病检测是医疗诊断系统中一项耗时且重要的任务。机器学习在预测和识别不同阶段的疾病方面发挥着至关重要的作用。这是一种非常随机和及时的方法，用于使用临床和实验室体征分析疾病，并协助医疗代表制定更有效的诊断策略。例如，猪流感，一种由流感病毒（包括H1N1病毒）引起的传染性疾病，感染猪的呼吸道，导致吠叫咳嗽，食欲下降，鼻分泌物和无法控制的行为。云计算和物联网通过超低延迟处理健康信息来帮助医疗部门，以便及时做出有效的决策。本文提出了一种以雾为中心的基于物联网的智能医疗支持服务，用于监测和控制猪流感病毒疫情。所提出的框架利用雾计算的概念，应用.此外，混合分类器用于在早期阶段对猪流感患者进行分类，并向卫生官员和患者监护人发出警报在实验设置中，iFogSim模拟器用于模拟物联网设备和雾节点，以评估各种参数，如准确性，能量和延迟，而WEKA用于开发混合分类器。结果表明，与现有的纯云模型相比，结合雾和云计算服务可以实现更高的网络带宽可靠性，更高的操作水平和更短的响应时间，同时生成实时通知。1. 介绍利用物联网、蜂窝网络、大数据和其他传感器，创建了现代云存储基础设施。然而，这些设备无法满足现代医疗数据存储的需求[1]。对健康云的研究可以通过大量数据快速完成。然而，大量的数据使得现有网络难以提供洞察力和评论。很明显，由于全球化，全球范围内的抗生素产品分销变得更加迅速，对人类构成严重威胁，因为猪瘟等感染可以顺利跨越国界传播，并挑战卫生组织，控制他们的爆发[2虽然猪流感是一种高度传染性的人类呼吸道传染病，但它是由直接或间接接触猪流感病毒[5]。它最初于2009年在墨西哥的人类中被发现，并慢慢地在世界各地铺平了道路[6]。由于世界人口中有很大一部分依赖猪肉，因此避免其痕迹变得更具挑战性。此外，这种病毒在温暖干燥的地区或潮湿的地区更活跃和流行。除此之外，季节变化期间的温度变化可以激活猪病毒，因为它在10℃至25℃之间发生突变 [7]。由于缺乏认识和保健中心的及时援助，这种致命的感染已造成许多人死亡。如表1所示，猪流感有严重的发烧、寒战、咳嗽、喉咙痛、流鼻涕、流泪性红眼、身体疼痛、头痛、疲劳、腹泻、恶心和呕吐[6]。与家禽接触过多的人感染这种病毒的风险最高。然而，猪病毒* 通讯作者。电子邮件地址：gdhiman0001@gmail.com（G.Dhiman）。https://doi.org/10.1016/j.imu.2021.100636接收日期：2021年4月22日;接收日期：2021年6月4日;接受日期：2021年2021年10月14日网上发售2352-9148/©2021的 自行发表通过Elsevier 公司这是一个开放接入文章下的CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）中找到。可在ScienceDirect上获得目录列表医学信息学期刊主页：www.elsevier.com/locate/imu警局Singh等人表1猪流感S.No.症状1头痛2身体疼痛3发烧4寒战5喉咙酸6流鼻涕7红眼睛8腹泻8例腹泻医学信息学解锁26（2021）100636云计算和物联网在紧急治疗、预警和快速反应方面的应用至关重要尽管猪流感能够被检测到，但扫描并没有在所有医院设施中使用。除此之外，未受感染的个人对这种疾病缺乏足够的认识也成为一个问题，医学界与受感染的病人之间缺乏接触，因此必须让全体人口进入网络（云）现在[13，37]。通过实施这个拟议的计划，医疗保健技术，程序，获取患者数据，存储和共享，这三个都将实时发生。以用户为中心的平台和移动方法可以通过改善患者治疗来创新现有的医疗保健设施。也许值得注意的是，在于人流感和禽流感，进入猪体内后以猪流感的形式，通过吸入病毒粒子，由猪传染给人，再由人传染给人。图2描述了猪流感病毒的传播。其他职业如肉类加工厂和兽医也容易受到感染。这种疾病的潜伏期从接触到第一个症状约为1至4天[5]。因此，在这短时间内为市民注射预防猪流感疫苗和监察猪流感是重要的公共卫生措施（见图二）。 3）。猪流感病毒的传播：猪流感通过打喷嚏或咳嗽吸入或摄入含病毒的飞沫在人与人之间传播;它不会通过食用煮熟的猪肉产品传播。物联网、云计算、雾计算等最新技术之间的交互越强，我们就越接近于构建一个它还具有改善人类生活质量的额外好处，其中简单的日常物品与电子软件相关联，然后连接并可以设置为收集和交换数据。由于产生了大量非结构化和组织化数据，大量信息在线流动。大量、多样且快速增长的数据被称为大数据。现代技术一直在努力跟上不断增加的数据量，以及规模、复杂性和复杂率的增加。传统上，在网络上管理、存储、处理和导航一直是一个挑战。这些组织拥有大量的存储和带宽以及客户端的网络访问能力。地理中心。然而，云存储基础设施存在数十亿地理上分散的物联网计算机和传感器的问题。因此，基于云的物联网是不切实际的，因为更高的乳酸。由于这些问题，出现了雾计算的概念[10]。随着雾计算的出现，出现了新类型的技术和实用程序。由于云是全球化的有用工具，雾节点允许检测和集成少量与上下文相关的数据，从而可以快速访问数据，并以低延迟获得我们周围的知识[8]。下面列出的是这个广告中使用的一些医疗创新。2003年，全球有63亿人生活，其中5亿人可上网，有53亿多台计算机与互联网相连到2025年，预计76亿用户将连接到互联网，全球将有250猪流感疫苗的发展导致疫苗接种覆盖率不足，对受感染人类的诊断速度较慢。因此，医疗保健应用程序必须识别受感染的患者以防止传播病毒;然而，云基础设施和物联网（IoT）为服务提供商提供了更好的机会。20年前还有更先进的医疗技术。然而，今天我们有大量与健康相关的物联网应用在互联网上运行，每秒产生超过25，000个健康数据点。随着物联网应用的加入，新的测量方法已经被添加到医疗保健中[12，27，29]。尽管如此，这种大量的数据阻碍了处理和存储电流的能力在发生疾病或医疗灾难的情况下，监测将有助于挽救无数人的生命。Mansour等人[38]使用AI和IoT集成方法开发了心脏病和糖尿病的疾病诊断模型。该模型分为几个阶段：数据收集，预处理，分类，和参数调整。可穿戴设备和传感器等物联网设备允许实时收集数据，而人工智能技术则使用这些数据进行疾病诊断。Shyne等人[1]提出了有影响力的基于区块链的稳定医疗服务，用于疾病预测。糖尿病和心血管疾病在进行预测时也被考虑在内。首先，患者健康数据从雾节点收集并存储在区块链上。首先，将新颖的基于规则的聚类算法应用于患者健康记录。最后，糖尿病和心血管疾病预计利用自适应神经模糊推理方案依赖于功能收集。Kumar等人[1]提出了一个稳定的医疗保健系统，专注于区块链技术，用于雾计算中的疾病检测。对糖尿病和心血管疾病进行了预测。首先，患者健康数据是从雾节点和亲收集，在区块链上进行切割首先，使用新颖的基于规则的聚类算法对患者健康数据进行聚类。最后，糖尿病和心血管疾病的预测使用自适应神经模糊推理方案依赖于功能收集。Haque等人。[39]使用自适应神经模糊推理系统（ANFIS）演示了智能DSPN强度分类器。密歇根神经病筛查 仪器仪表（MNSI） 是 用于 识别 并分层DSPN患者根据患者的严重程度将其分为四组：缺席、轻度、中度和重度。使用各种机器学习算法的性能来检查模型的准确性。本文的主要贡献如下制定一个框架，能够监测公民的猪流感健康状况。提供实时处理用户延迟。在早期阶段预测猪流感感染。向用户、其监护人和医生/专家生成紧急警报和医疗报告。2. 相关工作本报告的文献综述主要集中在猪保健领域的工作和研究。首先，考虑物联网辅助医疗系统，并考虑到这一点，研究了猪感染的相关工作。此外，物联网设备和云计算平台的集成进行了研究。其次，研究了雾计算辅助系统的现状，并将其用于猪流感疫情的检测和监测2.1. 拟议框架图1显示了拟议的框架，该框架分为两个子系统。此外，拟议框架的安全方面是2····Fig. 1. 拟议系统概述。警局Singh等人医学信息学解锁26（2021）1006363警局Singh等人医学信息学解锁26（2021）1006364详细讨论图二. 应用模型。累积层收集来自各种传感器的数据猪流感疫苗接种的发展已经导致疫苗接种覆盖率不足和受感染人类的诊断较慢。因此，医疗保健应用程序必须能够识别受感染的患者以防止传播病毒。然而，云基础设施和物联网（IoT）为服务提供商提供了更好的机会。二十年前，更先进的医疗技术仍然可用，但今天我们有大量的健康相关IoT应用程序在互联网上运行，每秒产生超过25，000个健康数据点。Singh，D.K. LAKA [3，4，12，14]; [15].尽管如此，大量的数据阻碍了处理和存储当前云计算和物联网应用程序的能力，这些应用程序在紧急治疗，早期预警和快速响应方面至关重要。除此之外，非感染者对疾病没有足够的了解也成为一个问题，医学界和感染者之间缺乏接触，现在必须让整个人群进入网络（云）。通过实施该建议方案，医疗保健技术，程序，获取患者和分享，这三个都将实时发生。以用户为中心的平台和移动方法可以通过改善患者治疗来创新现有的医疗保健设施。也许值得注意的是，实时监控将有助于在疾病或医疗灾难的情况下挽救无数人的生命。3. 建议系统该系统由三层组成：物联网数据积累层、雾层和云层。 图 6详细介绍了拟议的系统。该系统通过收集健康数据、处方数据、位置数据、猪数据和气候数据等数据，提供用户健康状况的实时分析。收集的数据被组织成特定格式并转发到雾层。雾层将用户分类为受感染、未受感染或易受感染。紧急警报被发送到受感染和易受感染的用户，以采取必要的行动，而未受感染的公民则通过来自云层的早期信号发出警告，以避免风险或受感染的地区[16]。iot数据传感器、健康传感器、气候传感器和处方传感器。来自这些传感器的数据会立即得到处理，并将通知发送到他们的移动 手机. 同时，每个用户的 医疗信息和云是云的一部分[17]。因此，云估计公民被病毒感染并且易于传播病毒的概率。云的关键作用是通知未感染的用户和政府机构控制猪病毒的流行[18]。每一层的详细描述如下。3.1. 物联网数据积累层这一层负责从各种传感器收集有关用户健康和周围环境的数据[19]。这些数据集包括健康数据、气候数据、处方数据和位置数据[20]。 这些数据来自于嵌入用户身体和用户周围的气候。这些可穿戴传感器能够实时感知和传输数据。收集到的数据将被传输到雾层，以区分用户是否受感染，未受感染或易受感染。每个数据集的详细视图如下所述。i. 健康数据：数据集捕获有关用户健康的信息。它包括发烧，发冷，咳嗽，喉咙痛，流鼻涕，眼睛发红，身体疼痛，头痛，疲劳，腹泻，恶心和呕吐。所有这些数据都由嵌入用户ii. 处方数据：处方数据包括药物患者遵循的程序以及治疗的持续时间。它包括药物名称、摄入时间和患者服用剂量的规律性。这是由可穿戴传感器贴片连接到数字医疗系统，以检测，管理和改善患者iii. 气候数据：气候数据包括环境变化，可能引发猪病毒爆发的精神状况湿度传感器和温度传感器感测病毒可以自行传播的条件，并且高度活跃以感染用户[23]。此外，气候计检测警局Singh等人医学信息学解锁26（2021）1006365温度变化会使猪只感染病毒，而温暖、干燥和潮湿的土地更容易感染病毒iv. 位置数据：这包括在GPS传感器的帮助下，猪流感A病毒流行的风险易发地区的位置[24]。此外，该署亦会监察猪只进入住宅区及猪只密集地点的情况。除此之外，它还监测猪流感感染期间用户向风险易发地区的移动情况。3.2. 雾层雾层充当物联网传感器和云计算层之间的中介。它支持医疗保健系统的实时处理。它向用户发送关于其当前健康状态的通知，如可能感染，未感染或易受感染[25]。它还为受感染的用户提供适当的诊断，以便在正确的时间进行治疗。这一层与云层相连，用于存储和分析所有用户的医疗记录，并做出不同的决策[26]。该层具有三个组件，如下所述。i. 用户分类：在此组件中，使用处理后的传感器数据将用户分为三个不同的组。分类基于由各种数据集生成的参数值。首先，每个用户被分类为受感染、未受感染或易受感染的用户。猪流感病毒已经感染了受感染的用户，他们立即通过移动通知告知他们的当前状态，并提供初步诊断。受感染的病人会有明显的猪流感症状。易受攻击的用户是曾经没有被感染但感染病毒的概率很高的用户。家禽业工人属于这一类，因为他们可以直接从病猪感染。在这种情况下，症状可能存在，也可能不存在。未感染的用户处于更安全的区域，不需要立即通知，因为他们没有明显的猪流感症状。ii. 取消警报：该组件在用户的手机上提供即时警报。警报有三种类型，其中存在诊断警报。这三个警报如下：诊断和紧急警报：此警报发送给受感染的用户。它向用户发出被感染的信号，并持续监控受感染的用户，以记录他的健康状况，位置和周围环境。它还提供了最近地点的医生和医院的信息。此外，附近的医生也了解了最新情况。诊断和预防警报：这是发送给未受感染的用户。它提醒安全用户关于当前猪流感的流行和信号，以避免风险易发地区。3.3. 云层云层的主要目的是处理、存储和分析雾层未处理的数据。因此，它也有两个主要组成部分如下所述。i. 云数据库：在云数据库组件中，存储了与各种事件相关的所有信息。这些信息数量巨大，在紧急情况下进一步用于决策。每个用户都可以轻松访问与猪相关的数据，检查其医疗状况并与医生沟通。用户的个人数据是保密的，不会透露给任何未经授权的用户。ii. 信息共享和健康交流：数据可以在用户、医生、医院和政府机构之间共享。政府和卫生机构也可以访问这些数据，以便在特定方向采取预防行动，以避免这种疾病的爆发。医院也可以发送与健康有关的向用户提供建议，并在市民中传播控制猪流感爆发的4. 拟议系统的应用模型监测“甲型流感病毒“主要症状的各种无线传感器程序为了确保感染不扩散，必须对感染者进行持续跟踪和监测，装有传感器。它由五个重要模块组成，如图7所示，实现了特定模型的目的。这些模块的主要功能如下所示。a. 症状检测和环境分析：它是第一个植入应用中使用的无线传感器的模块。该模块的主要作用是读取不同无线传感器生成的原始数据，检测猪流感的显著症状，并捕获附近的气候温度和条件。一旦发现病毒的迹象，形成被转发到b. 甲型流感病例检测：该模块分析收到的信息，并检测症状是否保证了甲型流感病毒的阳性结果。“Influenza如果结果是肯定的，案件的跟踪被激活了此外，它还捕获病例的当前位置，并将其传输到下一个模块“感染病例跟踪器”。c. 感染案例跟踪器：已被感染的案例跟踪受感染者的位置是这个模块的优先级。这个网络在身体周围移动时也会被跟踪和报告，这会告诉无线传感器的执行器继续移动。此外，本发明还提供了一种方法，d. 执行器：它自定义的工作，以配合案件，是安装在每个传感器内部。这一单元将对案件福祉的改善以及环境的改变作出反应。用户中心e. 以用户为中心的界面：这些是流行的模块，当检测到新的猪流感攻击时，它们会通知用户（患者、医生）。通过病例签名系统发送基于流感的病例通知时，这会立即发生5. 实验装置和性能评价在这项研究工作中，实验装置已执行了两个阶段，使用两种不同的模拟工具，为各自的目的。在设置的第一部分中，ARFF（属性关系文件格式）文件被导入到仿真工具WEKA。它被用来开发混合分类器。此外，iFogSim还用于对物联网和雾环境进行建模，并测量资源管理技术对网络使用、能耗和延迟的影响。5.1. 混合分类器评价所提出的工作的根本目的是通过组合的分类器和混合分类器。每种分类器都有其各自的优点和缺点，它将结合每个最好的。使用的数据从UCI图书馆获得，并转换为ARFF文件，并生成数据集。将进一步导入数据集 进入WEKA进行最终预测。混合分类器的性能评估结果如图所示。 四、6. 拟议框架对这项工作进行了模拟，··警局Singh等人医学信息学解锁26（2021）1006366见图4。 混合分类器的性能评价。图三. 精度雾环境中的网络使用率随着云网络上的负载下降而下降，如图7所示。模拟中的能量消耗如图5所示。同样，云数据中心的能耗随着负载转移到雾设备而降低。7. 结论许多人在猪流感爆发中丧生，因此出现健康症状并通过雾网迅速报告至关重要。其他人，以及尚未感染的人，通知弱者有关感染，并告诉他们防止更多的感染。就连卫生部门和诊所都意识到了这种疾病，采取预防措施，以挽救疾病的蔓延。与现有技术相比，实验结果侧重于实现低延迟和更好的能量，这将有助于提出一种具有最小延迟的实时警报生成系统。结果证明，研究方法取得了更好的结果。由于时间不够，有些工作留待以后进行，因为需要对特殊系统。 这种机制可以帮助感知通过使用生物传感器，可以立即向猪发送警报，家禽工人，并为他们提供兽医帮助，这可以雾环境中的平均延迟、网络使用率和能耗。在纯云网络的情况下，延迟的增加是一个重大问题;然而，雾层导致保持低延迟，因为它使模块靠近网络。图6展示了两者的平均延迟同样，控制感染的根本原因，防止其传播。这项研究的未来挑战包括可扩展性，安全性和雾/云相关的网络流量信息。此外，这项研究将在未来通过纳入新的范式，如区块链，软件定义的网络，5G，集装箱化，图五. 能耗警局Singh等人医学信息学解锁26（2021）1006367见图6。延迟。见图7。 网络使用。和人工智能另外，能量高效VM方法可以用于优化整个框架的能量效率。此外，可以通过分析内部风险和建议威慑措施来加强防御。此外，引入基于区块链的访问控制系统作为云和雾实用程序，测试并分析各种保护威胁。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确认我们要特别感谢印度旁遮普省Patiala旁遮普大学的管理层，感谢他们在编辑本文期间的积极性和持续支持。也要感谢《医学信息学》杂志给我这个机会。我们衷心感谢作者的支持和写作论文的痛苦。引用[1] KumarA，Krishnamurthi R，Nayyar A，Sharma K，Grover V，Hossain E.一种新型使 用 医 疗 保 健 4.0 流 程 进 行 智 能 医 疗 保 健 设 计 、 模 拟 和 实 施 。 IEEEAccess2020;8：118433-71.[2] Al-JaroodiJ，Mohamed N，Abukhousa E.健康4.0：在实现未来医疗保健的道路上。IEEE Access2020;8：211189-210.[3] DhimanG，Kaur A.基于粒子群和斑点鬣狗的混合算法全局优化的优化器。在：用于解决问题的软计算。Springer; 2019. p. 599-615[4] 迪曼·高拉夫考尔·阿曼迪普HKn-RVEA：一种求解汽车侧面碰撞杆耐撞性问题的多目标进化算法。IntJ Veh Des 2019;80（2-4）：257-84。 2019年。[5] Bokhari SH，Pomeroy LW，Janies DA.重配网络和大流行性h1n1猪源性流感的演变。 IEEE ACM Trans Comput Biol Bioinf 2011;9（1）：214[6] PoongodiM，Hamdi M，Malviya M，Sharma A，Dhiman G，Vessels S.诊断和使用具有深度学习方法的可穿戴oura智能戒指抗击新冠肺炎。个人无处不在的计算2021：1[7] 吴伟杰，王晓刚，王晓刚.唐：深度学习和优化-基于框架的新型冠状病毒疾病的检测使用X射线图像。Interdiscipl Sci Comput LifeSci2021：1[8] Garg M，Kaur A，Dhiman G.提出一种基于元启发式算法的云计算环境下基于优先级的资源分配与调度方法。在：影响和云商业智能的挑战。IGI Global; 2021.p. 113比34[9] 潘迪·哈里·莫汉，迪曼·G，索尼·M，斯洛维克·A，考尔·H.基于超体积指示器和参考向量的混合进化算法多目标优化的自适应策略。计算机工程，[EWCO-D-19- 00247 R1] 2021;37：3017-35。[10] Sood SK，Singh KD.光学雾辅助智能学习框架，以提高学生在工程教育中的就业能力。Comput Appl Eng Educ 2019;27（5）：1030-42.[11] [10]李文，李文. 使用超椭球聚类的物联网中的雾授权异常检测。 IEEE物联网杂志2017;4（5）：1174[12] 迪曼湾ESA：一种混合生物启发的元启发式优化方法，工程问题。2019年1月1日至31日。[13] Singh KD，Sood SK。用于教育系统智能监控的光学雾辅助网络物理系统。Comput Appl Eng Educ2020;28（3）：692-704.[14] Soni M，Laka Singh DK.基于物联网的无线体域网轻量级认证与密钥协商协议。2021年无线对等通信。https://doi.org/10.1007/s11277-021-08565-2（2021）.[15] Gomathi S，Soni Mukesh，Dhiman Gaurav等人，区块链技术在商业领域的应用和安全问题调查。2021年：《明史》。2021，ISSN2214-7853。[16] Sood SK，Singh KD.基于SDN的光雾/云计算网络中恶意光边缘设备的识别。JOpt Commun 2018：1 [印刷前）]。[17] Chandrawat RK，Kumar R，Garg B，Dhiman G，Kumar S.利用具有对称和直角三角模糊数的模糊线性规划问题对生产成本进行建模和优化分析。在：第六届会议论文集软计算解决问题国际会议; 2017年。p. 197- 211[18] 段伟，曹志，王勇，朱斌，曾丹，王芳英，王勇。公共卫生应急管理的ACP方法：利用校园爆发的H1N1流感警局Singh等人医学信息学解锁26（2021）1006368作为案例研究。IEEE Transactions on Systems，Man，and Cybernetics：Systems2013;43（5）：1028-41.[19] Singh KD，Sood SK.物联网5g就绪光学雾辅助网络物理系统应用. IET Cyber-Physical Systems：Theory and Applications 2020;5（2）：137-44.[20] Hasan RI，Yusuf SM，Alzubaidi L.回顾植物疾病深度学习的现状：广泛的分析和讨论。 植物2020;9（10）：1302。[21] IsaISBM，El-Gorashi TE，Musa MO，Elmirghani JM.节能雾基医疗监控基础设施。IEEE Access2020;8：197828-52.[22] [10]郭松，曾丹，郭松，刘伟. 雾计算支持的医疗信息物理系统中的经济高效的资源管理。IEEE Transactions on新兴的主题计算2015;5（1）：108[23] 放大图片Elmisery AM，Rho S，Botvich D.基于雾的中间件，用于自动化合规性经合组织关于医疗保健互联网的隐私原则。IEEE Access2016;4：8418-41.[24] 罗斯JV，黑色AJ。大流行早期阶段的接触者追踪和抗病毒预防：大爆发的可能性。Math Med Biol：IMA期刊2015;32（3）：331[25] Sood SK，Singh KD.一个基于光学雾辅助EEG的虚拟现实框架，用于通过教育游戏增强电子学习。Comput Appl Eng Educ 2018;26（5）：1565-76.[26] Sood SK，Singh KD.基于光纤陀螺和云计算的光网络SAN资源优化。 Opt SwitchNetw 2019;33：114-21.[27] Dhiman Gaurav ， Singh Krishna Kant ， Soni Mukesh ， Nagar Atulya ， et al.MOSOA：a new multi-objective seagull optimization algorithm. 2020 EX pert SystAppl 2020 ： 114150. https://doi.org/10.1016/j.eswa.2020.114150 网 站 。 ISSN09574174。[29]Gomathi S，Kohli R，Soni M，Dhiman G，Nair R.模式分析：使用AutoML预测印度的COVID- 19大流行。世界工程杂志2020。网址：http：//doi.org/10.1108/WJE-09-2020-0450预印本编号提前出版[37] Yuvaraj N，Srihari K，Gaurav Dhiman K，et al.多媒体社交网络上自动网络欺凌分类的基于自然启发的方法。2021年数学问题工程。https://doi.org/10.1155/2021/6644652网站。第2021卷，文章ID 6644652，12页，2021。[38] Mansour RF，Escorcia-GutierrezJ，Gamarra M，Díaz VG，Gupta D，Kumar S.基于大数据分析的人工智能脑颅内出血CT图像电子诊断。神经计算Appl. 2021年：1-13。[39] Haque F，Ibne Reaz BinM，Chowdhury MEH，Srivastava G，Hamid Md AliS，Bakar AAA，et al. Performance Analysis of Conventional MachineLearningAlgorithms for Diabetic Sensorimotor Polyneuropathy SeverityClassification. 诊断学2021;11（5）：801。