Principales desafíos y oportunidades de los sistemas de Internet de las cosas médicas - IoMT

##plugins.themes.bootstrap3.article.main##

Jorge Gomez Gomez, PhD
Resumen

En la actualidad hay millones de dispositivos IoT que utilizan las personas para la atención médica. Un IoT con dispositivos médicos se le conoce también como Internet de las cosas médicas (Internet of Medical Things - IoMT). Existen diversas aplicaciones IoMT como (Gómez et al., 2016; Alsubaei, et al., 2019; Basatneh et al.,2018; Nayyar et al., 2019; Pustokhina et al., 2019) entre otras. Los escenarios donde se utiliza esta tecnología son: asistencia a signos vitales de pacientes; monitoreo de información sanitaria; monitoreo en la ingesta de alimentos; monitoreo de señalepatológicas y fisiológicas; asistencia al personal sanitario; autogestión, bienestar y prevención; seguimiento de enfermedades entre otras.

Palabras clave

Descargas

Los datos de descargas todavía no están disponibles.

##plugins.themes.bootstrap3.article.details##

Biografía del autor/a / Ver

Jorge Gomez Gomez, PhD, Universidad de Cordoba


Doctorado en Tecnologías de la Información y la Comunicación
Octubrede2012 - Diciembrede 2018 UNIVERSIDAD DE GRANADA

Referencias / Ver

Gómez, J., Oviedo, B., & Zhuma, E. (2016). Patient monitoring system based on

internet of things. Procedia Computer Science, 83, 90-97.

Alsubaei, F., Abuhussein, A., Shandilya, V., & Shiva, S. (2019). IoMT-SAF: Internet of

medical things security assessment framework. Internet of Things, 8, 100123.

Basatneh, R., Najafi, B., & Armstrong, D. G. (2018). Health sensors, smart home

devices, and the internet of medical things: an opportunity for dramatic improvement in

care for the lower extremity complications of diabetes. Journal of diabetes science and

technology, 12(3), 577-586.

Nayyar, A., Puri, V., & Nguyen, N. G. (2019). BioSenHealth 1.0: a novel internet of

medical things (IoMT)-based patient health monitoring system. In International

Conference on Innovative Computing and Communications (pp. 155-164). Springer,

Singapore.

Pustokhina, I. V., Pustokhin, D. A., Gupta, D., Khanna, A., Shankar, K., & Nguyen, G. N.

(2020). An effective training scheme for deep neural network in edge computing

enabled Internet of medical things (IoMT) systems. IEEE Access, 8, 107112-107123.

Adams K, Agesen O (2006) A comparison of software and hardware techniques for x86

virtualization. In: International conference on architectural support for programming

languages and operating systems, pp 2–13

Xian C, Lu Y-H, Li Z (2007) Adaptive computation offloading for energy conservation on

battery-powered systems. In: International conference on parallel and distributed

systems, pp 1–8

Vaughan-Nichols, S. J. (2006). New approach to virtualization is a

lightweight. Computer, 39(11), 12-14.

Alves, M. P., Delicato, F. C., Santos, I. L., & Pires, P. F. (2020). LW-CoEdge: a

lightweight virtualization model and collaboration process for edge computing. World

Wide Web, 23(2), 1127-1175.

Narayanan, V., Huang, Y., Tan, G., Jaeger, T., & Burtsev, A. (2020, March). Lightweight

kernel isolation with virtualization and VM functions. In Proceedings of the 16th ACM

SIGPLAN/SIGOPS International Conference on Virtual Execution Environments (pp.

-171).

Mohammed, A. H., KHALEEFAH, R. M., & Abdulateef, I. A. (2020, June). A Review

Software Defined Networking for Internet of Things. In 2020 International Congress on

Human-Computer Interaction, Optimization and Robotic Applications (HORA) (pp. 1-8).

IEEE.

Rafique, W., Qi, L., Yaqoob, I., Imran, M., Rasool, R. U., & Dou, W. (2020).

Complementing IoT services through software defined networking and edge computing:

A comprehensive survey. IEEE Communications Surveys & Tutorials, 22(3), 1761-1804.

Citado por