行业洞察 | 要火了的雾计算,前沿应用场景之二:健康医疗行业

版主: 论坛版主

回复
头像
王小溪
硕士研究生
帖子: 264
注册时间: 01 11月 2018, 20:14

行业洞察 | 要火了的雾计算,前沿应用场景之二:健康医疗行业

帖子 王小溪 » 07 8月 2019, 16:54

目前,随着5G技术的发展,网络连接速度越来越快,如智能设备等的网络节点连入越来越多,网络信号覆盖范围越来越广,网络通信状态越来越稳定,这意味着我们已经迈进万物互联的物联网时代。

智能设备的不断普及使得海量数据实时产生将会是未来社会的常态,设备的逐渐智能化使得设备本身具备即时处理数据的能力,而不必非得把信息传输或存储到距离遥远的“云”中,这正为分布式本地网络架构奠定了基础,这正催生了雾计算技术的崛起和发展。

雾计算将为多个行业和领域的发展带来飞跃性的变革。那么,即将火起来的雾计算可以被运用到哪些行业和领域?它的落地应用场景又会是怎样的呢?

接下来,我们将会给大家逐一分享,第二期博纳云将分享雾计算在健康医疗行业的应用。




医疗健康行业面临的挑战

如今,人口老龄化趋势加重、慢性病现象普遍化等问题正在给大多数国家的医疗健康体系带来了巨大挑战,除此之外,有不少国家还面临着医护人员短缺以及医护成本较高等问题。

目前,医院还是主要采取人工(有时候还会用到笔和纸)方式记录病情和治疗方案,获得和诊断患者信息依旧需要在医院以及有医护人员的陪同方可进行,这种传统方式在上述诸多医疗行业挑战前将会加重人、物、财和时间的成本。
1.jpg

针对这样的棘手问题,医疗保健行业正逐渐提倡实行以数据信息为核心的交付模式,来达到全面提高诊治效率的目标,这种模式一部分任务是靠对患者的远程监控来实现的,这样就能提高获得患者医疗保健服务的便捷度、质量、效率和连续性,并在总体上很大程度地降低医疗保健成本。

前提:医疗智能设备的普及化

2.jpg

如今,服务于医疗保健领域的智能设备已经在市面上源源不断地出现,这些设备可以实时收集与诊治患者疾病相关的数据信息,因其可连续获取数据,设备能够提供越来越精准的患者图像,随之产生相应的数据洞察,有助于进一步制定专门针对患者的具体诊断和治疗方案。

然而,这样的无线可穿戴设备体型较小,其性能、内存和数据处理能力有一定限度,要对数据进行进一步的聚合、存储、分析和处理,则需要性能更强大的计算设备,而传输到遥远的云端会存在延时、信息安全隐患等问题,在网络和数据中心发生故障时,患者的人身安危甚至可能会受到威胁。

雾计算:解决医疗健康行业痛点的有效新方案

雾计算将成为针对上述顾虑的一个有效的解决方案。雾计算实际上是一种在远程云端和边缘端之间的分布式计算技术架构,在数据中心(云端)和离用户最近的设备中之间构建了一个基础设施组件,这些组件包括网关、路由器和AP(访问点),从而增加了计算的灵活性,为解决医疗挑战打开了新的可能性。

雾计算的“雾”位于云(数据中心)和地面之间,用户的设备就位于此处,与云计算和边缘计算相对应。雾计算在地理上分布的节点执行计算并提供存储和网络服务,其资源可以与通用网络功能一起集成到接入点、路由器和网络网关等中。雾计算执行的特定类型的任务取决于特定的应用程序和域,一般包含数据的筛选、聚合、分析和临时存储。

雾计算在医疗健康行业的应用场景

640.jpg
医疗保健中的部署场景:
设备用于不同的网络层,例如传感器和执行器、网关、路由器、AP、服务器和数据中心。
(灰色部分的设备和基础设施为医疗机构拥有或控制,白色部分的则为患者拥有或控制)


1、移动场景——慢性阻塞性肺病患者监测(图示第一列)
移动部署场景的一个例子是针对慢性阻塞性肺病(COPD)患者的监控系统,智能手机可作为移动基站,从多个智能设备收集相关数据,并对其进行处理,随后发送到后端服务器上。将雾计算迁移到手机上可以很大程度地减小专门负责收集数据的可穿戴设备的运行压力,从而延长其续航时间和电池寿命。
3.jpg

2、家庭场景——帕金森言语分析(图示第二列)
在帕金森患者家里,雾节点被放置在网络层次结构中的LAN级别上,用以收集、存储和处理原始数据,然后将其发送到云端进行永久存储。这个场景下的雾计算应用可以减少网络流量和延迟,收集患者和环境的传感器收集相关数据以监测患者是否跌倒,同时还会对家中有毒气体泄漏进行实时监测,并在有安全隐患情况发生时发出警报。
4.jpg

3、医院场景——生命体征监测(图示第三列)
在医院里,带有信号灯的智能衬衫可以被用来监测病人所处的位置和生理数据。该雾计算架构由分布不同层次的在多个节点组成:数据采集处理板(DAPB)收集、处理和整合收集自传感器的数据,并将其发送到无线传输板(WTB);WTB从信标点(BPS)收集数据,将其与DAPB的数据合并,并以单个数据包的形式发送到位于LAN级别的管理子系统。管理子系统使用来自DAPB和BPS的数据来监控患者的医疗参数,在医院内定位患者,并验证是否激活了警报。
5.jpg

4、非医院场景——癫痫发作实时检测(图示第四列)
在非医院场景中,雾计算结构分为三层,在中间层移动设备云(MDC)上进行脑电图模式的筛选、预处理、特征提取、特征选择和分类。雾计算在这个场景的应用可以以最小的通信成本提供实时响应,同时还可以减少使用局域网和位于云端中心的癫痫检测系统之间的流量。

5、交通工具场景——无处不在的紧急情况(图示第五列)
交通工具上场景的雾计算部署方案可以用于处理和应对随时发生的紧急情况。在紧急情况下,可以从佩戴医疗设备的患者身上收集生理和情境数据,同时,在现场、救护车和医院的不同设备之间可以复制和共享这些信息,从而能够对患者实施及时、准确的救急措施。
6.jpg

随着5G、物联网技术和智能设备的不断发展,雾计算在医疗健康行业的应用场景将会越来越丰富且成熟,并在将来真正为人们的健康管理、疾病防范和治疗发挥重要的作用。

------

参考文章:
1.《健康医疗中的雾计算——回顾与谈论》(Fog Computing in Healthcare – A Review and Discussion)
2. 《使用基于雾计算的智能健康物联网设备作为大数据和云服务服务心脏疾病患者》(Fog-Based Smart Healthcare as a Big Data and Cloud Service for Heart Patients Using IoT)

*本文由博纳云编译和原创,如需转载,请标明出处。
Web: https://bonuscloud.work/
TG (General) : https://t.me/Bonuscloud
TG (China) : https://t.me/bonuscloudcn
Twitter:@bonus_cloud
Facebook:@BonusCloud.io
Medium:https://medium.com/@bonuscloud/
微信公号:Bonus_Cloud

回复