文献

J-GLOBAL ID：202202280774718077   整理番号：22A0843284

認知データにおけるIoTデータ収集プロセスのためのブロックチェーンベース深層学習【JST・京大機械翻訳】

Blockchain-Based Deep Learning to Process IoT Data Acquisition in Cognitive Data

著者 (11件)： Hannah S. (Department of Computer, Science and Engineering, Anna University, India) ,  Deepa A. J. (Department of Computer Science and Engineering, Ponjesly College of Engineering, India) ,  Chooralil Varghese S. (Department of Computer Science and Engineering, Rajagiri School of Engineering & Technology, India) ,  BrillySangeetha S. (Department of Computer Science and Engineering, IES College of Engineering, India) ,  Yuvaraj N. (Research and Development, ICT Academy, IIT Madras Research Park, India) ,  Arshath Raja R. (Research and Development, ICT Academy, IIT Madras Research Park, India) ,  Suresh C. (CSE, Sri Ranganathar Institute of Engineering and Technology, Coimbatore, India) ,  Vignesh Rahul (CSE, Dhanalakshmi Srinivasan College of Engineering, Coimbatore, India) ,  YasirAbdullahR (Department of Computer Science and Engineering, Sri Krishna College of Engineering and Technology, India) ,  Srihari K. (Department of Computer Science and Engineering, SNS College of Technology, India) ,  Alene Assefa (Department of Chemical Engineering, College of Biological and Chemical Engineering, Addis Ababa Science and Technology University, Ethiopia)
資料名： BioMed Research International (Web)  (BioMed Research International (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7008A  ISSN： 2314-6133  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 遠隔健康モニタリングは,初期段階で疾患を予防するのを助けることができる。モノのインターネット(IoT)概念は最近進歩し,全表現モニタリングを可能にした。神経変性障害,すなわちAlzheimer病(AD)に対する容易にアクセス可能なバイオマーカーは,その初期段階で診断を助けるために緊急に必要である。厳しい状況のため,これらのシステムは,アベイラビリティと精度を含む高品質を要求する。深層学習アルゴリズムは,大量のデータが利用可能であるとき,そのような健康アプリケーションにおいて有望である。これらの解は分散ブロック鎖ベースIoTシステムに対して理想的である。良好なインターネット接続は,これらのシステム応答の速度にとって重要である。それらの限られた処理能力のため,スマートゲートウェイデバイスは,深層学習アルゴリズムを実装することができない。本論文では,ヘルスケア管理システムにおけるヘルスケアデータの高速および配信のためのブロックチェーンベース深層ニューラルネットワークの使用を検討した。本研究は,分類のためのリアルタイム健康モニタリングを示し,応答時間と精度を評価する。深部学習モデルは,良性または悪性として脳疾患を分類する。本研究は,AD,軽度認知障害,および正常認知レベルを含む良性または悪性として脳疾患を予測するために3つの異なるクラスを考慮した。本研究では,これらの分類器を訓練するために多くのデータを利用する一連の処理,および得られたクラスを分類するメタ分類器によるアンサンブルモデルを含む。シミュレーションは,正常な加齢とADのための長期的神経画像,認知,臨床,およびバイオマーカーデータセットであるOASIS-3データセットのモデルの有効性をテストするために実行して,それはさらに訓練して,ADNIからのUDSデータセットに関してテストした。結果は,提案方法が正確に(98%),分類結果の高速度検索による質問に応答し,訓練精度が0.539,試験精度が0.559であることを示した。Copyright 2022 S. Hannah et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 管理システム ,  病気 ,  アベイラビリティ ,  応用プログラム ,  スループット ,  *データ収集 ,  Alzheimer病 ,  加齢 ,  ゲートウェイ ,  バイオマーカー ,  インターネット ,  *機械学習 ,  学習アルゴリズム
準シソーラス用語： 神経変性疾患 ,  *モノのインターネット ,  *深層学習 , 【Automatic Indexing@JST】

分類 (4件)： 生体計測  (EL03020C) ,  神経系の診断  (GN02000H) ,  人工知能  (JE08000Z) ,  腫ようの診断  (GE03020J)

引用文献 (25件)：

• P. Esmaeilzadeh, "Use of AI-based tools for healthcare purposes: a survey study from consumers’ perspectives," BMC Medical Informatics and Decision Making, vol. 20, no. 1, pp. 1-19, 2020.
• C. Vijai, W. Wisetsri, "Rise of artificial intelligence in healthcare startups in India," Advances In Management, vol. 14, no. 1, pp. 48-52, 2021.
• G. Rong, A. Mendez, E. B. Assi, B. Zhao, M. Sawan, "Artificial intelligence in healthcare: review and prediction case studies," Engineering, vol. 6, no. 3, pp. 291-301, 2020.
• M. S. Hossain, G. Muhammad, N. Guizani, "Explainable AI and mass surveillance system-based healthcare framework to combat COVID-I9 like pandemics," IEEE Network, vol. 34, no. 4, pp. 126-132, 2020.
• J. J. Wadden, "Defining the undefinable: the black box problem in healthcare artificial intelligence," Journal of Medical Ethics, vol. 3, 2021.

タイトルに関連する用語 (6件)： 認知 ,  IoT ,  データ収集 ,  プロセス ,  ブロックチェーン ,  深層学習