Análisis de datos grandes seguro para un sistema médico orientado a decisiones utilizando Internet de las cosas
Autores: Rehman, Amjad; Haseeb, Khalid; Saba, Tanzila; Lloret, Jaime; Tariq, Usman
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Análisis de datos grandes seguro para un sistema médico orientado a decisiones utilizando Internet de las cosas
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Internet de las cosas médicas
Dispositivos médicos
Aplicaciones de atención médica
Computación en la nube
Análisis de datos grandes seguros
Arquitectura de borde-nube
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 38
Citaciones: Sin citaciones
El Internet de las Cosas Médicas (IoMT) ha mostrado un desarrollo increíble con el crecimiento de sistemas médicos que utilizan tecnologías de información inalámbrica. Los dispositivos médicos son biosensores que pueden integrarse con cosas físicas para crear aplicaciones de atención médica más inteligentes que se colaboran en Internet. En las últimas décadas, se han diseñado muchas aplicaciones para monitorear la salud física de los pacientes y apoyar a equipos de expertos para un tratamiento adecuado. Los dispositivos médicos están conectados a los cuerpos de los pacientes y conectados con un sistema de computación en la nube para obtener y analizar datos de atención médica. Sin embargo, dichos dispositivos médicos funcionan con sensores alimentados por batería con limitaciones en términos de memoria, transmisión y recursos de procesamiento. Muchas soluciones de atención médica están ayudando a la comunidad con el monitoreo eficiente de las condiciones de los pacientes utilizando la computación en la nube, sin embargo, en su mayoría incurren en latencia en la recopilación y almacenamiento de datos. Por lo tanto, este documento presenta un modelo para el análisis de Big Data seguro utilizando la arquitectura Edge-Cloud (SBD-EC), que tiene como objetivo proporcionar una computación distribuida y oportuna de un sistema médico orientado a decisiones. Además, los bordes móviles cooperan con el nivel de la nube para presentar un algoritmo seguro, logrando una disponibilidad confiable de datos médicos con privacidad y seguridad contra acciones maliciosas. El rendimiento del modelo propuesto se evalúa en simulaciones y los resultados obtenidos demuestran una mejora significativa sobre otras soluciones.
Descripción
El Internet de las Cosas Médicas (IoMT) ha mostrado un desarrollo increíble con el crecimiento de sistemas médicos que utilizan tecnologías de información inalámbrica. Los dispositivos médicos son biosensores que pueden integrarse con cosas físicas para crear aplicaciones de atención médica más inteligentes que se colaboran en Internet. En las últimas décadas, se han diseñado muchas aplicaciones para monitorear la salud física de los pacientes y apoyar a equipos de expertos para un tratamiento adecuado. Los dispositivos médicos están conectados a los cuerpos de los pacientes y conectados con un sistema de computación en la nube para obtener y analizar datos de atención médica. Sin embargo, dichos dispositivos médicos funcionan con sensores alimentados por batería con limitaciones en términos de memoria, transmisión y recursos de procesamiento. Muchas soluciones de atención médica están ayudando a la comunidad con el monitoreo eficiente de las condiciones de los pacientes utilizando la computación en la nube, sin embargo, en su mayoría incurren en latencia en la recopilación y almacenamiento de datos. Por lo tanto, este documento presenta un modelo para el análisis de Big Data seguro utilizando la arquitectura Edge-Cloud (SBD-EC), que tiene como objetivo proporcionar una computación distribuida y oportuna de un sistema médico orientado a decisiones. Además, los bordes móviles cooperan con el nivel de la nube para presentar un algoritmo seguro, logrando una disponibilidad confiable de datos médicos con privacidad y seguridad contra acciones maliciosas. El rendimiento del modelo propuesto se evalúa en simulaciones y los resultados obtenidos demuestran una mejora significativa sobre otras soluciones.