دانلود مقاله نظارت هوشمند بیماری های عفونی با سیستم های فازی
نکات برجسته
چکیده
کلید واژه ها
1. مقدمه
2. فناوری های مبتنی بر سیستم های فازی
3. کاربردهای سیستم های فازی در پایش بیماری های عفونی
4. پایش بیماری عفون با راینش لبه و سیستم های فازی
5. انتظارات آینده و مسائل باز
6. نتیجه گیری
منابع
Highlights
Abstract
Keywords
1. Introduction
2. Technologies based on fuzzy systems
3. Applications of fuzzy systems in infectious disease monitoring
4. Infection disease monitoring with edge computing and fuzzy systems
5. Future expectations and open issues
6. Conclusion
References
چکیده
بیماری‌های عفونی معمولاً دارای ویژگی‌های انتشار سریع با دامنه تأثیر زیاد هستند. هنگامی که آنها از بین می روند، باعث ایجاد ناحیه وسیعی از عفونت می شوند که خطرات سلامتی و امنیتی زیادی ایجاد می کند. بنابراین، نظارت زودهنگام و پیشگیری از بیماری های عفونی بسیار مهم است. سیستم های نظارتی فعلی می توانند بروز بیماری های عفونی را تا حدودی پیش بینی کنند. با این حال، تنوع، نادرستی و ناقص بودن داده های جمع آوری شده توسط حسگرها، دستیابی به نتایج دقیق نظارت را دشوار می کند. علاوه بر این، منابع محلی محدود یک سیستم نظارتی نمی تواند حجم فزاینده داده ها را به موقع پردازش کند. برای رسیدگی به این چالش‌ها، منطق فازی و محاسبات لبه در سال‌های اخیر برای پایش بیماری‌های عفونی استفاده شده‌اند. این مقاله مروری جامع از فناوری‌های پایش بیماری‌های عفونی مبتنی بر منطق فازی و محاسبات لبه ارائه می‌کند. شبکه‌های عصبی فازی در نظارت بر بیماری‌های عفونی به تفصیل معرفی می‌شوند و به دنبال آن مطالعه مختصری از کاربردهای سیستم‌های فازی در نظارت بر بیماری‌های عفونی انجام می‌شود. در نهایت، پیشرفت‌ها در سیستم‌های تشخیص بیماری موجود بر اساس ترکیب محاسبات لبه و منطق فازی شرح داده شده‌اند. بررسی نشان می‌دهد که محاسبات لبه و منطق فازی مکمل یکدیگر هستند و ترکیب آنها کارایی پردازش و فضای ذخیره‌سازی داده‌ها را تا حد زیادی بهبود می‌بخشد. در عین حال، با محاسبات لبه به عنوان حامل، ترکیبی از منطق فازی، شبکه‌های عصبی، سیستم‌های خبره و سایر فناوری‌ها می‌تواند به طور موثر پیش‌بینی و تشخیص بیماری را انجام دهد.
توجه! این متن ترجمه ماشینی بوده و توسط مترجمین ای ترجمه، ترجمه نشده است.
Abstract
Infectious diseases usually have the characteristics of rapid spread with a large impact range. Once they break out, they will cause a large area of infection, which creates tremendous health and security risks. Thus, early infectious disease monitoring and prevention are critical. Current surveillance systems can predict the incidence of infectious diseases to a certain extent. However, the diversity, inaccuracy and incompleteness of the data collected by sensors make it difficult to obtain accurate monitoring results. Moreover, the limited local resources of a monitoring system cannot process the increasing volume of data in a timely manner. To address these challenges, fuzzy logic and edge computing have been applied to infectious disease monitoring in recent years. This paper presents a comprehensive review of infectious disease monitoring technologies based on fuzzy logic and edge computing. Fuzzy neural networks in infectious disease surveillance are introduced in detail, followed by a brief study of applications of fuzzy systems in infectious disease surveillance. Finally, improvements in existing disease detection systems based on the combination of edge computing and fuzzy logic are described. The review shows that edge computing and fuzzy logic are complementary and that their combination greatly improves the processing efficiency and the storage space of the data.
Introduction
New infectious diseases are characterized by rapid spread and difficult elimination of pathogens. Currently, the vast majority of the world has been affected by COVID-19, causing substantial economic losses and human casualties. The emergence of other infectious viruses also brings health and security risks to human lives [1][2]. Meanwhile, the rapid development of the medical industry is trying to meet the diversified needs of disease prevention and treatments.
Conclusion
The goal of this paper was to comprehensively study infectious disease surveillance technologies based on fuzzy systems. The main challenges in the prediction and treatment of infectious diseases are initially listed. After a brief introduction to fuzzy systems, research on fuzzy-based infectious disease monitoring is presented. Then, we focus on the contribution of edge computing improved by fuzzy logic to the medical and intelligent fields. Finally, several open issues and future trends in infectious disease monitoring are discussed. The combination of fuzzy logic and edge computing has greatly improved existing infectious disease surveillance systems.