30190

بهينه‌سازي انرژي مصرفي دستگاه‌هاي حسگر سامانه‌هاي رايا-فيزيكي براي كاربردهاي حوزه سلامت

كارشناسي ارشد

مهندسي كامپيوتر- معماري سيستم‌هاي كامپيوتري

1400

1402/6/26

اميرمهدي حسيني منزه

مهندسي كامپيوتر

امروزه بيماري‌هاي مزمن عامل اصلي مرگ‌ومير در دنيا هستند. پيشگيري از بدتر شدن بيماري در بيماران مزمن ميزان مرگ‌ومير را به طور قابل‌توجهي كاهش مي‌دهد. در بيشتر موارد، بدتر شدن ناگهاني بيماري از طريق تغيير برخي علائم اوليه در پارامترهاي پزشكي بيماران مانند ضربان قلب، تعداد تنفس، دماي بدن، اشباع اكسيژن خون و غيره مشخص مي‌شود. يافتن اين علائم هشداردهنده اوليه از طريق نظارت مستمر بر بيمار، فرصتي را براي كاهش خطر فراهم مي‌كند. در اين راستا، پيشرفت‌هاي اخير سامانه‌هاي رايا-فيزيكي در حوزه سامانههاي مراقبت‌ سلامت، امكان استفاده از ابزارهاي پوشيدني را براي نظارت از راه دور بيمار فراهم كرده است. در نظارت از راه دور، تداوم و ماندگاري خدمات به‌شدت تحت‌تأثير مصرف انرژي حسگر پوشيدني و اندازه باتري است. استقرار كارآمد حسگرها، استفاده از حسگرها در حالت كم‌مصرف با عملكرد پايين، كاهش نويز و ثبت سيگنال‌ها به‌صورت دوره‌اي برخي از روش‌هاي پيشنهادي مديريت انرژي براي طولاني‌تر كردن زمان كار با دستگاه است. بااين‌حال، هر يك از اين موارد داراي معايبي هستند. كاهش تعداد حسگرها و استفاده از آنها در حالت كم‌مصرف، باعث افزايش ابهام و كاهش كيفيت سيگنال مي‌شود. روش‌هاي كاهش نويز داراي سربار و پيچيدگي زياد هستند و همچنين ثبت سيگنال‌ها به‌صورت دوره‌اي، به‌جاي جمع‌آوري مداوم داده‌ها، خطر ازدست‌دادن برخي تغييرات وضعيت سلامت يا علائم اوليه بدتر شدن را افزايش مي‌دهد. جهت حل اين چالش‌ها روشي با عنوان Collaborative Sensing (CS) ارائه شده است. اصلي‌ترين هدف اين پژوهش، بهبود انتخاب حسگرهاي با دقت بيشتر و كاهش مصرف انرژي است. اين روش با درنظرگرفتن هم‌پوشاني و وابستگي داده‌هاي حسگرها و تغيير در نرخ نمونه‌برداري حسگرها و همچنين روشن و خاموش‌كردن حسگرها به طور پويا، مي‌تواند مصرف انرژي را كاهش دهد و قابليت اطمينان سامانه‌هاي رايا-فيزيكي را افزايش دهد. در پايان نتايج حاصل از پياده‌سازي نشان مي‌دهد كه روش CS به ترتيب 42.6 درصد و 60 درصد موفق به كاهش توان مصرفي در مقايسه با روش پايه و جديدترين و نزديك‌ترين روش موجود شده است. علاوه بر اين روش CS به ترتيب 35.4 درصد و 5 درصد منجر به بهبود دقت تشخيص در مقايسه با روش پايه و جديدترين و نزديك‌ترين روش موجود شده است.

1402/09/20

Optimizing the energy efficiency in cyber-physical systems sensor devices for healthcare application

1/1/1900 12:00:00 AM

Today, chronic diseases are the leading cause of mortality worldwide. Preventing the exacerbation of chronic illnesses significantly reduces the mortality rate. In most cases, sudden worsening of a disease is identified through changes in certain initial medical parameters of patients, such as heart rate, respiration rate, body temperature, blood oxygen saturation, and more. Detecting these early warning signs through continuous monitoring provides an opportunity to reduce the risk. Recent advancements in cyber-physical systems in the healthcare domain have enabled the use of wearable devices for remote patient monitoring. However, continuous and sustained service in remote monitoring is highly influenced by the energy consumption of wearable sensors and battery size. Efficient sensor deployment, utilizing sensors in low-power modes with reduced performance, noise reduction, and periodic signal recording, are some proposed energy management methods to prolong device operation. Nonetheless, each of these methods has its drawbacks. Decreasing the number of sensors and using them in low-power modes leads to increased ambiguity and reduced signal quality. Noise reduction methods come with substantial overhead and complexity. Moreover, periodic signal recording, instead of continuous data collection, increases the risk of missing certain health status changes or early signs of deterioration. To address these challenges, a method called Collaborative Sensing (CS) has been introduced. The primary aim of this research is to enhance the precision of sensor selection and reduce energy consumption. This method, by considering data overlap and sensor interdependency, adjusting sensor sampling rates, and dynamically turning sensors on and off, can reduce energy consumption and enhance the reliability of cyber-physical systems. The results obtained from the implementation indicate that the CS method has reduced power consumption by 42.6 percent and 60 percent in comparison to the baseline method and the most recent and closest existing method, respectively. Furthermore, the CS method has improved detection accuracy by 35.4 percent and 5 percent compared to the baseline method and the most recent and closest existing method, respectively.

مصرف انرژي , دسترس پذيري , قابليت اطمينان , سامانه‌هاي رايا-فيزيكي , مراقبت از سلامتي

Energy efficiency , Availability , reliability , Cyber-physical System , HealthCare

Mahdiye Ali Azam

Amir Mahdi Hosseini