Разработка и моделирование сети интернета вещей для IT-диагностики пациентов
https://doi.org/10.35596/1729-7648-2024-22-5-104-112
Аннотация
Разработана и смоделирована работа сети, которая реализует алгоритмы IT-диагностики неврологических заболеваний на базе технологии интернета вещей. Сеть включает смартфон, платформу, нейронную сеть и приложения. Сначала со смартфона вводятся голоса заболевших пациентов для обучения нейронной сети, а потом – обследуемых пациентов для IT-диагностики. Передача данных между смартфоном и платформой (ThingSpeak) происходит по протоколу MQTT. Мобильное приложение смартфона извлекает голосовые функции обследуемых пациентов и записывает их на платформу сети интернета вещей. Распознавание происходит с использованием обученной нейронной сети. Представлены структура и алгоритм работы платформы ThingSpeak. Показатели IT-диагностики отображаются в приложении на смартфоне. Данные пациентов, использованные в исследовании, взяты из программы ADReSS 2020 Challenge, которая содержит речевые данные пациентов с болезнью Альцгеймера и здоровых людей.
Ключевые слова
Об авторах
В. А. Вишняков
Белорусский государственный университет информатики и радиоэлектроники
Беларусь
Беларусь
Вишняков Владимир Анатольевич, д-р техн. наук, проф. каф. инфокоммуникационных технологий
220013, г. Минск, ул. П. Бровки, 6
Тел.: +375 44 486-71-82
Юй Чу Юэ
Белорусский государственный университет информатики и радиоэлектроники
Беларусь
Беларусь
Юй Чу Юэ, асп. каф. инфокоммуникационных технологий
г. Минск
Список литературы
1. Kouchaki S., Ding X., Sanei S. (2024) AI- and IoT-Enabled Solutions for Healthcare. Sensors. 24 (8). DOI: 10.3390/s24082607.
2. Giannakopoulou K.-M., Roussaki I., Demestichas K. (2022) Internet of Things Technologies and Machine Learning Methods for Parkinson’s Disease Diagnosis, Monitoring and Management: A Systematic Review. Sensors. 22 (5). https://doi.org/10.3390/s22051799.
3. Atzori L., Iera A., Morabito G. (2010) The Internet of Things: A Survey. Computer Networks. 54 (15), 2787– 2805.
4. Lott S. A., Streel E., Bachman S. L., Bode K., Dyer J., Fitzer-Attas C., et al. (2024) Digital Health Technologies for Alzheimer’s Disease and Related Dementias: Initial Results from a Landscape Analysis and Community Collaborative Effort. The Journal of Prevention of Alzheimer’s Disease. 1–10.
5. Cummins N., Scherer S., Krajewski J., Schnieder S., Epps J., Quatieri T. F. (2015) A Review of Depression and Suicide Risk Assessment Using Speech Analysis. Speech Communication. 71, 10–49.
6. Martínez-Nicolás I., Llorente T. E., Martínez-Sánchez F., Meilán J. J. G. (2021) Ten Years of Research on Automatic Voice and Speech Analysis of People with Alzheimer’s Disease and Mild Cognitive Impairment: A Systematic Review article. Frontiers in Psychology. 12.
7. Haider F., De La Fuente S., Luz S. (2019) An Assessment of Paralinguistic Acoustic Features for Detection of Alzheimer’s Dementia in Spontaneous Speech. IEEE Journal of Selected Topics in Signal Processing. 14 (2), 272–281.
8. Hecker P., Steckhan N., Eyben F. (2022) Voice Analysis for Neurological Disorder Recognition – a Systematic Review and Perspective on Emerging Trends. Frontiers in Digital Health. 4.
9. Vishniakou U. A., Yu Chu Yeu (2023) Using Machine Learning for Recognition of Alzheimer’s Disease Based on Transcription Information. Doklady BGUIR. 21 (6), 106–112. http://dx.doi.org/10.35596/1729-7648-2023-21-6-106-112.
10. Vishniakou U. A., YiWei Xia (2023) IT Diagnostics of Parkinson’s Disease Based on the Analysis of Voice Markers and Machine Learning. Doklady BGUIR. 21 (3), 102–110. https://doi.org/10.35596/1729-7648-2023-21-3-102-110.
11. Vishniakou U. A. (2023) Specialized IoT Systems: Models, Structures, Algorithms, Hardware, Software Tools. Minsk, Belarusian State University of Informatics and Radioelectronics.
12. Maureira M. A. G., Oldenhof D., Teernstra L. (2011) ThingSpeak – an API and Web Service for the Internet of Things. Computer Science. Available: http://mediatechnology.leiden.edu/images/uploads/docs/wt2014_thingspeak.pdf (Accessed 25 March 2018).
13. Luz S., Haider F., de la Fuente S. (2020) Alzheimer’s Dementia Recognition Through Spontaneous Speech: The ADReSS Challenge. arXiv preprint arXiv. 2172–2176.
14. Yuan J., Bian J. Cai X. (2020) Disfluencies and Fine-Tuning Pre-Trained Language Models for Detection of Alzheimer’s Disease. Interspeech. 2162–2126.
Рецензия
Для цитирования:
Вишняков В.А., Юэ Ю.Ч. Разработка и моделирование сети интернета вещей для IT-диагностики пациентов. Доклады БГУИР. 2024;22(5):104-112. https://doi.org/10.35596/1729-7648-2024-22-5-104-112
For citation:
Vishniakou U.A., Yue Yu.Ch. Development and Modeling of the Internet of Things Network for Patients IT Diagnostics. Doklady BGUIR. 2024;22(5):104-112. (In Russ.) https://doi.org/10.35596/1729-7648-2024-22-5-104-112
Просмотров: 170
Послать статью по эл. почте 