معماری سه لایه مبتنی بر رایانش لبه و ابر برای پایش از راه دور بیماران دیابت نوع ۲ و پیش بینی هیپوگلیسمی با الگوریتم XGBoost

دیابت نوع ۲ یکی از شایع ترین بیماری های مزمن است که پایش پیوسته ی آن نقش کلیدی در پیشگیری از افت قند خون (هیپوگلیسمی) دارد. در این پژوهش یک معماری سه لایه مبتنی بر رایانش لبه و ابر برای پایش از راه دور بیماران دیابتی با حسگرهای اینترنت اشیا ارائه شده است. برای پیش بینی هیپوگلیسمی از الگوریتم XGBoost با رویکرد پنجره ی لغزان استفاده شد؛ به طوری که از داده های سه ساعت گذشته، وقوع هیپوگلیسمی در ۳۰ دقیقه ی آینده پیش بینی می شود. ارزیابی روی داده ی شبیه سازی شده نشان داد که XGBoost با دقت حدود ۹۳ درصد و سطح زیر منحنی ۰.۹۸۵ بر الگوریتم های رقیب برتری دارد. تحلیل معماری با مدل صف نیز نشان داد رویکرد لبه ابر تاخیر و مصرف پهنای باند را به طور چشمگیری کاهش می دهد.

کلیدواژه ها:

اینترنت اشیا ، پزشکی رایانش ، لبه ، رایانش ابری ، پیش بینی گلیسمی ، XGBoost ، دیابت نوع ۲