MétaCan
Menu
Retour à la cohorte
Enregistrement W1529067121 · doi:10.1109/ccece.2015.7129429

Sensor Medium Access Control (SMAC)-based epilepsy patients monitoring system

2015· article· en· W1529067121 sur OpenAlexaff
Safa Otoum, Muayad Ahmed, Hussein T. Mouftah

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueEnergy Efficient Wireless Sensor Networks
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésWireless sensor networkComputer scienceNode (physics)Protocol (science)ThroughputComputer networkEpilepsyReal-time computingProcess (computing)Remote patient monitoringContinuous monitoringWirelessAccess controlEmbedded systemEngineeringMedicineTelecommunicationsOperating system

Résumé

récupéré en direct d'OpenAlex

With the increasing number of the epilepsy patients (EPs) and their growing need for continuous monitoring and immediate respond to their seizures, the Epilepsy Patients Monitoring System (EPMS) is proposed to be the fit solution for the healthcare monitoring applications especially for the EPs monitoring application. This paper focuses on the use of Wireless Sensor Networks (WSNs) for the healthcare monitoring applications. The main objective of this system is to decrease the response time for the sudden seizure, protect patients from possible severe consequences and help them become comfortable with the monitoring process. Our EPMS consists of five regular nodes placed at specific sites on the patient's body, as well as a coordinator node and a receiver node. The regular nodes detect seizures and forward the data to the coordinator, which collects the data and transmits it to the receiver. The Sensor Medium Access Control (SMAC) (a new MAC protocol specifically designed for WSNs) protocol has been used to decrease the generated delays and to achieve the highest throughput for the proposed system. We evaluate our proposed system via NS-2 simulations, and based on the numerical results, we show that SMAC-based system gives appropriate response time which achieves the expected objectives.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,715
Score d'incertitude au seuil0,947

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,026
Tête enseignante GPT0,252
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnergy Efficient Wireless Sensor NetworksTravaux en français237 207