جستجو
تشخیص ناهنجاری در دادههای اینترنت اشیای پزشکی (IoMT) با بهرهگیری از یادگیری ماشین قابلتوضیح
مهلا برات پور1 حسن عبداللهی2
چکیده :
اینترنت اشیاء پزشکی (IoMT) به عنوان یکی از زیرساختهای اصلی تحول دیجیتال در نظام سلامت، امکان پایش مستمر بیماران و جمعآوری دادههای زیستی را از طریق تجهیزات متصل فراهم ساخته است. با وجود مزایای گسترده این فناوری در بهبود تشخیص، درمان و مراقبت، وابستگی آن به بسترهای شبکهای، زمینه را برای بروز انواع تهدیدات سایبری فراهم کرده است. از اینرو، تشخیص ناهنجاری در دادههای IoMT به عنوان رویکردی راهبردی برای شناسایی رفتارهای غیرعادی و کاهش مخاطرات امنیتی و بالینی، اهمیت فزایندهای یافته است.
پژوهش حاضر با هدف ارائه چارچوبی مفهومی برای تشخیص ناهنجاری در محیط IoMT، رویکردی مبتنی بر تلفیق یادگیری عمیق و هوش مصنوعی قابلتوضیح (XAI) پیشنهاد میکند. در این چارچوب، از دادههای شبیهسازیشده مبتنی بر الگوهای سیگنالهای حیاتی و دادههای حسگرهای محیطی استفاده شده است تا شرایط نرمال، نویزی و ناهنجار به صورت کنترلشده بازنمایی شوند. هسته اصلی سامانه، یک مدل خودرمزگذار است که با یادگیری بازنمایی فشرده از الگوهای نرمال، ناهنجاریها را بر اساس خطای بازسازی شناسایی میکند. همچنین، به منظور افزایش شفافیت در تصمیمگیری مدل، از روش SHAP برای تبیین سهم ویژگیها در ایجاد هشدار بهره گرفته شده است.
نتایج ارزیابی مفهومی نشان میدهد که چارچوب پیشنهادی در مقایسه با برخی روشهای مرجع، از توان بالاتری در بازنمایی الگوهای غیرخطی، پایداری در برابر نویز و کاهش هشدارهای کاذب برخوردار است. افزون بر این، استفاده از XAI موجب ارتقای تفسیرپذیری سامانه و افزایش قابلیت اعتماد آن در کاربردهای حساس پزشکی و امنیتی میشود.
کلمات کلیدی : اینترنت اشیای پزشکی (iomt) تشخیص ناهنجاری در دادههای سریزمانی خودرمزگذار (autoencoder) هوش مصنوعی قابلتوضیح (xai) امنیت سایبری
زبان مقاله : فارسی
محور مقاله : فناوري اطلاعات ( کلیه گرایش ها)
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ABGHZE
لینک مستقیم مقاله : https://isnac.ir/AAHD-ABGHZE
نمایش چکیده انگلیسی
: https://isnac.ir/SA/AAHD-ABGHZE
سایر مقالات محل انتشار
- A Study on Design Understandability and Interaction of the therapy-specific Robots
- طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتیژن
- طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
- یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکههای خودرویی شهرهای هوشمند با استفاده از دادههای ترافیکی شبکه سلولی
- An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
- تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکههای عصبی
- Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
- ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
- کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
- Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
- Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
- تحلیل آیندهپژوهانه همگرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
- نقش تحول دیجیتال در خدمات کتابخانههای عمومی برای توانیابان جسمی و ذهنی
- Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
- Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems