مهندسی نرم‌افزار هوشمند برای اینترنت اشیاء پزشکی: نقش محاسبات مه و لبه در بهینه‌سازی انرژی و کاهش تأخیر

طاهره هاشمی¹ وحید خطیبی بردسیری² سیدحمیدغفوری³

1) دانشجوی دکتری تخصصی کامپیوتر،دانشگاه آزاد اسلامی واحد کرمان،ایران
2) دکتری تخصصی کامپیوتر،هیئت علمی دانشگاه آزاد اسلامی واحد بردسیر، کرمان،ایران
3) دکتری تخصصی کامپیوتر، هیئت علمی دانشگاه آزاد اسلامی واحد حاج قاسم سلیمانی کرمان

کد IOI مقاله : AAHD-ABCGKE
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    اینترنت اشیاء پزشکی (IoMT) با چالش‌هایی مانند تأخیر بالا، مصرف انرژی زیاد و تهدیدات امنیتی مواجه است. این مقاله مروری سیستماتیک بر اساس پروتکل PRISMA، نقش محاسبات مه و لبه را در غلبه بر این چالش‌ها بررسی می‌کند. با تحلیل ۴۰ مقاله از پایگاه‌های معتبر (۲۰۱۹-۲۰۲۵)، یافته‌ها نشان می‌دهد که ادغام این معماری‌ها با فناوری‌هایی مانند یادگیری تقویتی عمیق (DRL)، هوش مصنوعی (AI) و شبکه‌های عصبی اسپایکینگ (SNN) منجر به کاهش ۳۰-۷۰% تأخیر، ۲۵-۵۳% مصرف انرژی و دقت امنیتی بیش از ۹۸% می‌شود. با این حال، چالش‌هایی مانند مقیاس‌پذیری ناکافی و مصرف منابع بالا در مدل‌های AI برجسته است. این مطالعه بر نیاز به ادغام فناوری‌های نسل بعدی مانند بلاکچین و 6G، همراه با آزمایش‌های میدانی، برای استقرار عملی IoMT تأکید دارد.

کلمات کلیدی : اینترنت اشیاء پزشکی (iomt) محاسبات مه محاسبات لبه بهینه‌سازی انرژی کاهش تأخیر امنیت سایبری یادگیری تقویتی عمیق (drl)