RT - Journal Article T1 - Development of a Model for Predicting Heart Attack Based on Fog Computing JF - jhbmi YR - 2021 JO - jhbmi VO - 8 IS - 3 UR - http://jhbmi.ir/article-1-640-fa.html SP - 326 EP - 337 K1 - Fog Computing K1 - Internet of Things (IoT) K1 - Telemonitoring K1 - Cloud Computing AB - مقدمه: مطالعات مختلف مزایای استفاده از محاسبات توزیع شده مه برای شبکه‌های اینترنت اشیاء را به اثبات رسانده‌اند؛ زیرا قابلیت‌های رایانش ابری همچون محاسبات، ذخیره‌سازی و پردازش را به گره‌های اینترنت اشیاء نزدیک‌تر کرده است. الگوی جدید محاسبات مه و محاسبات لبه با نزدیک کردن منابع به کاربران در مقایسه با محاسبات ابری، تأخیر کمتری برای پردازش داده‌ها ارائه داده است که این امر برای کاربردهای حساس به تأخیر همچون حوزه مراقبت سلامت از راه دور ضروری است و ارائه خدمات قابل اعتماد‌تر را فراهم می‌کند. در این پژوهش جهت پایش وضعیت بیماران قلبی یک سیستم مبتنی بر مه ارائه شده است. روش: این پژوهش از نوع توسعه‌ای- کاربردی است. به منظور ارزیابی‌، از مجموعه داده بیماران عروق کرونر قلبی موجود در مخزن داده‌ یادگیری ماشین دانشگاه ارواین استفاده شد. در این سیستم، هر یک از علامت‌های بیمار قلبی بر اساس محدوده نرمال در لایه مه ارزیابی و وخامت حال بیمار بررسی می‌گردد. در این لایه، تقاضاها بر اساس تعداد علائمی که خارج از محدوده نرمال هستند، اولویت‌بندی می‌شوند. کارایی سیستم پیشنهادی از نظر مصرف پهنای باند، تأخیر و زمان پاسخ مورد ارزیابی قرار گرفت. نتایج: سیستم ارائه شده در این پژوهش منجر به بهبود پهنای باند به میزان 23/77%، کاهش زمان تأخیر به میزان 23/71% و بهبود زمان پاسخ به میزان 32/95% گردید. نتیجه‌گیری: بهره‌گیری از صف اولویت به منظور اولویت‌بندی تقاضاها در لایه مه، زمان پاسخ‌دهی به درخواست‌های اورژانسی را کاهش می‌دهد. LA eng UL http://jhbmi.ir/article-1-640-fa.html M3 ER -