Ein blockchain-gestütztes Internet der medizinischen Dinge-System zur Erkennung von Brustkrebs im Gesundheitswesen

Intelligente und nachhaltige Gesundheits-systeme können erheblich von der Anwendung von Computational Intelligence (CI) und Künstlicher Intelligenz (AI) profitieren. Diese technologischen Durchbrüche können den ökologischen Fußabdruck reduzieren und die Maßstäbe für Exzellenz erhöhen. Dennoch erzeugt die breite Anwendung solcher Technologien für fortschrittliche Internet der Dinge (IoT)-Anwendungen enorme Datenmengen, die die verfügbaren Rechenressourcen stark belasten können. Die Hauptmotivation hinter dieser Studie besteht darin, Beweise zu liefern, dass Gated Recurrent Units (GRUs), eine anspruchsvolle Unterklasse von Recurrent Neural Networks (RNNs), traditionelle RNNs übertreffen können. Diese Technologien können effektiv bei der Identifizierung und Behandlung von Brustkrebs sein. Diese Studie sammelt Daten von gekennzeichneten IoT-Geräten und trainiert einen GRU-RNN-Klassifikator. Die Wisconsin Diagnostic Breast Cancer (WDBC)-Daten testen die Genauigkeit des Systems. Die Ergebnisse zeigen, dass das vorgeschlagene Internet der medizinischen Dinge (IoMT) in Bezug auf Recall, Genauigkeit und Präzision effektiver ist als die aktuellen Methoden und dabei 95 % des ursprünglichen GRU-RNN bewahrt.