[논문 리뷰] A Context Aware Framework for IoT Based Healthcare Monitoring Systems

Yousef Abuseta|arXiv (Cornell University)|2020. 08. 21.

Context-Aware Activity Recognition Systems참고 문헌 17인용 수 6

한 줄 요약

이 논문은 물리적, 안개(fog), 클라우드 계층을 포함하는 계층적 아키텍처를 사용하여 건강 관리 모니터링 시스템을 위한 맥락 인식형 분산 IoT 프레임워크를 제안한다. 시스템 구성 요소와 그 상호작용을 모델링함으로써 AI를 통합하여 실시간으로 변화하는 환자 및 환경 맥락에 대응하는 유연하고 내성적인 모니터링을 가능하게 하여 반응성을 향상시킨다.

ABSTRACT

This paper introduces an investigation of the healthcare monitoring systems and their provisioning in the IoT platform. The different roles that exist in healthcare systems are specified and modeled here. This paper also attempts to introduce and propose a generic framework for the design and development of context aware healthcare monitoring systems in the IoT platform. In such a framework, the fundamental components of the healthcare monitoring systems are identified and modelled as well as the relationship between these components. The paper also stresses on the crucial role played by the AI field in addressing resilient context aware healthcare monitoring systems. Architecturally, this framework is based on a distributed layered architecture where the different components are deployed over the physical layer, fog platform and the cloud platform.

연구 동기 및 목표

• IoT 환경에서 내성적이고 맥락 인식형 건강 관리 모니터링 시스템을 설계하는 데 도전 과제를 해결하기 위해.
• IoT 기반 건강 관리 시스템의 핵심 구성 요소와 그 관계를 식별하고 모델링하기 위해.
• 인공지능이 적응형이고 반응적인 맥락 인식형 모니터링을 가능하게 하는 역할을 탐색하기 위해.
• IoT 플랫폼에서 맥락 인식형 건강 관리 모니터링 시스템을 개발하기 위한 일반적이고 확장 가능한 프레임워크를 제안하기 위해.

제안 방법

• 컴ponent 배포를 위해 물리적, 안개, 클라우드 플랫폼을 포함하는 분산형 계층적 아키텍처를 설계하기 위해.
• 시스템 역할과 구성 요소를 정형 모델링 기법을 사용하여 상호작용을 정의하기 위해.
• 맥락 데이터를 처리하고 실시간 지능형 의사결정을 가능하게 하기 위해 AI 기법을 통합하기 위해.
• 저지연, 맥락 민감한 반응을 보장하기 위해 계층 간 데이터 흐름과 제어 메커니즘을 정의하기 위해.
• 다양한 건강 관리 모니터링 시나리오에 걸쳐 확장성과 재사용성을 지원하기 위해 일반 프레임워크 추상화를 사용하기 위해.
• 모듈성, 유지보수성, 확장성의 시스템 구성 요소를 보장하기 위해 소프트웨어 공학 원칙을 적용하기 위해.

실험 결과

연구 질문

• RQ1 어떻게 맥락 인식 기능을 효과적으로 IoT 기반 건강 관리 모니터링 시스템에 통합하여 반응성과 적응성을 향상시킬 수 있는가?
• RQ2 확장 가능하고 내성적인 맥락 인식형 건강 관리 모니터링 시스템을 구축하기 위해 필수적인 아키텍처 구성 요소와 관계는 무엇인가?
• RQ3 인공지능은 변화하는 건강 관리 환경에서 맥락 인식형 의사결정의 적응성과 신뢰성을 어떻게 향상시킬 수 있는가?
• RQ4 이러한 시스템에서 물리적, 안개, 클라우드 계층 간의 계산 및 데이터 처리 작업을 최적화하여 분산하는 방법은 무엇인가?

주요 결과

• 제안된 프레임워크는 IoT 기반 건강 관리 모니터링 시스템의 핵심 구성 요소를 성공적으로 모델링하고 그 상호관계를 정의한다.
• AI 통합으로 변화하는 환자 및 환경 맥락에 실시간으로 적응할 수 있어 시스템의 반응성이 향상된다.
• 계층적 아키텍처는 물리적, 안개, 클라우드 계층에 처리를 분산시켜 확장성과 장애 내성성을 보장한다.
• 지속적인 센서 및 환경 데이터 모니터링과 적응형 처리를 통해 동적 맥락 인식을 지원한다.
• 프로세싱을 안개 및 엣지 계층으로 오프로드함으로써 데이터 프라이버시를 향상시키고 저지연 반응을 강화한다.
• 프레임워크는 일반적이고 재사용 가능하며, 모듈형 구성 요소 설계를 통해 다양한 건강 관리 모니터링 응용 프로그램을 지원한다.