Структура сети интернета вещей и алгоритмы для диагностики неврологического заболевания

Abstract

Цель статьи ‒ исследовать инновационный подход, использующий технологии машинного обучения, нейронных сетей, обработки сигналов, сети Интернета вещей (IoT) для раннего выявления болезни Паркинсона. Представлена модель и алгоритмы обработки звуковых сигналов от пациентов, исследуемых на вероятность заболевания болезнью Паркинсона. Приведена структура и функции сети интернета вещей, которая использует Thingspeak в качестве платформы, позволяя собирать голосовые данные с помощью мобильных телефонов, извлекать из них соответствующие функции и обрабатывать данные. В рамках этого процесса для расчета вероятности болезни Паркинсона используется модель полностью подключенной нейронной сети (FCNN), которая предоставляет медицинским работникам и пациентам удобный, точный и ранний диагностический ИТ-инструмент. В исследовании рассматриваются структура, алгоритмы и роль FCNN в сети Интернета вещей, подчеркивается ее влияние на сектор ИТ медицины.