5、物联网在个性化医疗支持系统中的应用与挑战

物联网在个性化医疗支持系统中的应用与挑战

1. 医疗领域的边缘计算

边缘计算时代随着有源和可穿戴传感器的出现而开启。这些设备可收集十二种人类行为数据，并将其发送到雾计算层，利用基于长短期记忆（LSTM）的算法进行数据分析，进而对健康相关情况做出预测。机器学习技术可应用于生理数据，检测生理参数中的异常情况。将边缘计算集成到基于机器学习的应用中，可提升其性能，例如采用分布式在边缘节点的分层时间记忆算法进行分析。

此外，有基于雾计算的系统，可分析环境和健康症状，预测病毒的存在并向特定位置的人们发出警报。智能手机用户还能使用决策树分类器来确定糖尿病患者的风险等级。人工智能和机器学习方法在检测异常、预测风险监测、决策和治疗支持方面发挥着重要作用。通过合理划分边缘、雾计算和云计算的功能，可以克服边缘计算能力有限的问题。

2. 语义对象

语义学是基于某些概念定义的实体关系来连接实体的概念。例如，血压与心脏存在关联，因为血压和心跳相互影响。人工智能在学习和执行任务方面具有优势，但在数据质量较低时，其效果会大打折扣。此时，将语义学与人工智能结合应用于分类和推荐系统，可获得更好的结果。语义知识就像人工智能的大脑，能提供高质量的输出。

基于语义的知识处理可以丰富测量数据，提供更精细的信息。例如，使用网络本体语言（OWL）编码的上下文本体是一种基于知识的处理方法。以下是一些基于本体构建的系统：
| 来源 | 发现 |
| — | — |
| Avancha 等人 (2004) | 使用本体确定传感器网络基于条件的预期行为的过程 |
| Matheus 等人 (2006) | 在本体的支持下，收集和处理各种传感器数据，根据