تدريسي من قسم الحاسوب ينشر بحث في مجلة أمريكية
 التاريخ :  2/9/2022 6:11:53 AM  , تصنيف الخبـر  كلية العلوم للبنات
Share |

 كتـب بواسطـة  مسؤول موقع كلية علوم البنات  
 عدد المشاهدات  393

                                                          تدريسي من قسم الحاسوب ينشر بحث في مجلة أمريكية
نشر الاستاذ الدكتور علي كاظم ادريس بحث في مجلة امريكية بعنوان (An Edge-Fog Computing Enabled Lossless EEG Data Compression with Epileptic Seizure Detection in IoMT Networks
IEEE Internet of things Journalالمصنفة ضمن مستوعب كلاريفيت وضمن الربع الاول Q1 ... وبمعامل تأثير : Journal Impact Factor: 9.471
 Journal Impact
وقال الباحث تضمن البحث طريقة مبتكرة لتحسين النظام الصحي حيث تنامت الحاجة إلى تحسين النظم الصحية الذكية لرصد الوضع الصحي للمرضى نتيجة انتشار الأمراض الوبائية ، وكبر السن ، وزيادة عدد المرضى وعدم وجود مرافق لعلاجهم. أدى ذلك إلى زيادة الطلب على أنظمة الرعاية الصحية عن بعد باستخدام أجهزة الاستشعار الحيوية. تنتج هذه المستشعرات الحيوية حجمًا كبيرًا من البيانات المحسوسة التي سيتم تلقيها من خلال حافة إنترنت الأشياء الطبية (IoMT) ليتم إرسالها إلى مراكز البيانات في cloud لمزيد من العلاج. تم اقتراح ضغط بيانات EEG بدون فقدان باستخدام حوسبة Edge-Fog مع اكتشاف نوبات الصرع في شبكات IoMT. النهج المقترح يحقق ثلاث وظائف. أولاً ، يقلل من كمية البيانات المرسلة من Edge إلى بوابة Fog باستخدام ضغط بيانات EEG بدون فقدان استنادًا إلى نهج هجين لـ k-mean Clustering و Huffman Encoding (KCHE) في Edge Gateway. ثانيًا ، يقرر حالة نوبة الصرع للمريض عند بوابة الضباب بناءً على خوارزمية Naive Bayes (ESDNB) المعتمدة على كاشف الصرع. ثالثًا ، يقلل من حجم بيانات IoMT EEG التي يتم تسليمها إلى السحابة باستخدام نفس خوارزمية الضغط غير المفقودة في الخطوة الأولى. تم تنفيذ العديد من التجارب لإظهار فعالية النهج المقترح ونتائج المقارنة تؤكد أن KCHE يقلل من كمية بيانات EEG المرسلة إلى منصة Fog and Cloud وتنتج اكتشافًا مناسبًا لنوبة صرع. متوسط قوة الضغط لـ KCHE المقترحة هو أربعة أضعاف متوسط قوة الضغط للطرق الأخرى. علاوة على ذلك ، يتفوق ESDNB المقترح على الطرق الأخرى من حيث الدقة ، حيث يوفر دقة تتراوح من 99.53? إلى 99.99? .
عباس الجبوري / اعلام الكلية