عنوان

کاربرد شبکه‎‌های حسگر بیسیم در حوزه سلامت و پزشکی

شماره

۵۰۲۶پ

زبان متن نوشتاري يا گفتاري و مانند آن

فارسی

عنوان اصلي

کاربرد شبکه‎‌های حسگر بیسیم در حوزه سلامت و پزشکی

نام عام مواد

[پایان نامه]

نام نخستين پديدآور

لیلا طاهرخانی

نام ناشر، پخش کننده و غيره

صنعتی سهند

تاریخ نشرو بخش و غیره

۱۴۰۲

نام خاص و کميت اثر

۵۹ص.

ساير جزييات

مصور، جدول، نمودار

مواد همراه اثر

CD

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسی برق- شبکه‌های کامپیوتری

زمان اعطا مدرک

۱۴۰۲/۰۶/۰۱

متن يادداشت

در یک شبکه حسگر بی‌سیم، حسگرها میتوانند برای نظارت هر سیستمی ‌مورد استفاده قرار گیرند. بدین منظور، حسگرها دادههای دریافتی را جمعآوری کرده و معمولاً به یک دستگاه مرکزی ارسال میکنند. پس از دریافت دادهها در بخش مرکزی، میتوان با تجزیه و تحلیل پیوسته دادهها، کارهایی نظیر, تشخیص برخی رخدادها، بهبود یک مدل یادگیر موجود و یا شناسایی برخی عملیات استاندارد یا غیراستاندارد را انجام داد. در یک شبکه حسگر بی‌سیم، به دلیل اندازه کوچک گرهها، مصرف انرژی بسیار کم بوده و سهولت جابجایی گرهها درآن بالا است. ارتباطات در این شبکه به دلیل امکان افزودن تعداد زیادی حسگر و گره‌های شبکه با هزینه کم در مقایسه با شبکه سیمی‌ و امکان همکاری بین گرهها، ساده بوده و مقرون به صرفه است. این پایاننامه قصد دارد از این نوع شبکهها در زمینه بهداشت و درمان و پزشکی استفاده نماید که به دلیل نیاز مبرم این صنعت به نظارت پیوسته محیط و شرایط بیمار یا بیمارستان و یا هر محیط مربوط به یک مرکز بهداشتی دیگر، همچنان به عنوان چالشی مطرح است. تمرکز پایاننامه، بر بخش نظارت پیوسته وضعیت بیماران دارای شرایط خاص است. فرض بر این است که اطلاعات بیماران به طور پیوسته از طریق شبکههای حسگر بیسیم به یک بخش مرکزی ارسال میگردد و در این بخش مرکزی، هدف تشخیص رخداد یک بیماری خاص برای آن بیمار است. به عنوان یک مطالعه موردی، قصد داریم بر اساس اطلاعات دریافتی از وضعیت بیمار، امکان رخداد سکته مغزی در بیمار را شناسایی کرده و اطلاع رسانی کنیم. این امر موجب بهبود سرعت کنترل روند درمان بیماران سکته مغزی با استفاده از شبکههای بی‌سیم سنسوری و از راه دور توسط پزشک معالج و مراکز درمانی میگردد. روش پیشنهادی با استفاده از اطلاعات EEG دریافتی از وضعیت بیمار و سپس تشخیص سکته مغزی با استفاده از یک روش جدید به نام MFDFA-MN است که در آن از مفهوم چندفرکتالی و همچنین شبکههای عصبی عمیق ماژولار استفاده شده است. نتایج ارزیابی نشانگر دقت بالای روش پیشنهادی به همراه سادگی ساحتار معماری آموزشی شبکه میباشد.

متن يادداشت

In a wireless sensor network, sensors can be used to monitor any system. For this purpose, the sensors collect the received data and usually send it to a central device. After receiving the data in the central department, it is possible to perform tasks such as detecting some events, improving an existing learning model, or identifying some standard or non-standard operations by continuously analyzing the data. In a wireless sensor network, due to the small size of the nodes, the energy consumption is very low and the ease of moving the nodes is high. Communication in this network is simple and economical due to the possibility of adding a lot of number of sensors and network nodes at a low cost compared to the wired network and the possibility of cooperation between nodes. This thesis intends to use this type of networks in the field of healthcare and medicine, which due to the urgent need of this industry to continuously monitor the environment and conditions of the patient or hospital or any other environment related to a health center. It is presented as a challenge. The focus of this thesis is on the part of continuous monitoring of patients with special conditions. It is assumed that patients' information is continuously sent to a central department through wireless sensor networks, and in this central department, the goal is to diagnose the occurrence of a specific disease for that patient. As a case study, we intend to identify and inform about the possibility of stroke in the patient based on the information received from the patient's condition. This improves the speed of controlling the process of treating stroke patients using wireless sensor networks and remotely by treating doctors and medical centers. The proposed method is using EEG information received from the patient's condition and then diagnosing stroke using a new method called MFDFA-MN, in which the concept of multifractal and modular deep neural networks are used. The evaluation results indicate the high accuracy of the proposed method along with the simplicity of the network educational architecture.

عنوان گونه گون

Wireless Sensor Networks in Health Care and Medicine

موضوع مستند نشده

شبکه‌های حسگر بی‌سیم

موضوع مستند نشده

مراقبت سلامت

موضوع مستند نشده

WSN

موضوع مستند نشده

WBAN

اصطلاح موضوعی

شبکه‌های حسگر بی‌سیم، مراقبت سلامت، WSN، WBAN

اصطلاح موضوعی

wireless sensor network, Healthcare, WBAN, WSN

مستند نام اشخاص تاييد نشده

طاهرخانی، لیلا

عنصر شناسه اي

جهانی

ساير عناصر نام

، آرزو

کد نقش

استاد راهنما

عنصر شناسه اي

صنعتی سهند

کشور

ایران

سازمان

دانشگاه صنعتی سهند

شماره بازیابی

برق، ۱۰۷۶۸، ۱۴۰۲

فرمت انتشار

p

نوع ماده

TF

کد کاربرگه

92029

سطح دسترسي

a

تكميل شده

Y