أسلوب ضغط بيانات مخطط كهربائية الدماغ الفعال لتطبيقات إنترنت الأشياء القائمة على الحوسبة الضبابية

الباحث

مروة سعيد خليف

المشرف

علي كاظم إدريس السعدي

الجامعة

جامعة بابل

الكلية / القسم

كلية العلوم للبنات / علوم الحاسوب

الشهادة

ماجستير

السنة

2022

لغة الرسالة

انكليزي

الكلمات المفتاحية

EEG Data Compression ; Fog Computing ; Internet of Medical Things ; IoT Applications

ظهرت إنترنت الأشياء الطبية (IOMT) ، والتي تضم العديد من التطبيقات المبتكرة التي ترتبط بأنظمة الرعاية الصحية من خلال شبكات الكمبيوتر عبر الإنترنت بسبب النمو السريع للمعدات الطبية وتكنولوجيا الاتصالات. حيث ستنشئ هذه التطبيقات بانتظام كميات هائلة من البيانات ، والتي ستنقلها بوابة الحافة إلى السحابة بصورة مستمرة ومنتظمه لمزيد من المعالجة.حيث سيتم فرض ضرائب كبيرة على شبكة إنترنت الأشياء إذا تم إرسال هذا الحجم الهائل من البيانات عبرها إلى السحابة. تؤثر كمية البيانات المرسلة والتأخيرات المطولة في المعالجة بشكل كبير على سرعة تفاعل تطبيقات إنترنت الأشياء. وبذلك سوف يتم تقليل أوقات استجابة هذه التطبيقات. ولتقليل كمية البيانات المنقولة وتحسين أوقات رد الفعل سوف تستفيد تطبيقات إنترنت الأشياء من مزايا الحوسبة الضبابية ، والتي تعمل كمستوى وسيط بين الاجهزة الذكية والإنترنت. تقترح الأطروحة الحالية ضغط بيانات 280 بدون فقدان لتطبيقات الحوسبة الضبابية لانترنت الاشياء حيث تم توفير ثلاث طرق للتشفير يمكن إجراؤها عند بوابة الضباب لتقليل Jai بيانات EEG الخاصة بالمريض إلى مركز البيانات السحابية وهذة الطرق هي : أولاً , تقنية ضغط بيانات EEG بدون فقدان (LEDaC) من أجل تقليل كمية بيانات JOMT ، تجمع (LEDaC) بين تقنيتين فعالتين لتجميع DBSCAN وتشفير Ge YuHuffman تحميل البيانات للمعالجة والتحليل الإضافي الى مركز البيانات السحابي. ثانيا , تم اقتراح تقنية ضغط فعالة (ECoT) لضغط (EEG) دون خسارة. من أجل توصيل بيانات EEG الضرورية فقط إلى السحابة Gur تدمج تقنية0159ع8) ثلاث طرق فعالة لتقليل البيانات في بوابة الضباب وهي: 10850438 وتشفير Delta وتشفير Huffman ثالثا ، تم اقتراح تقنية (NoLEDaC) لضغط بيانات EEG في الحوسبة الضبابية لشبكات إنترنت الأشياء الطبية. حيث تقلل هذة الطريقة من حجم بيانات EEG الخاصة بالمريض عن Gob ضغطها في sate الضباب قبل تحميلها إلى مركز البيانات السحابي. تجمع طريقة (NoLEDaC) المقترحة بين: DBSCAN Clustering متبوعة بطريقة الضغط RLE وضغط Huffman عند بوابة الضباب. ااا تم إكمال العديد من التجارب بنجاح باستخدام مجموعة بيانات (Bonn) أظهرت النتائج أن تقنيات الضغط غير المنقوص المقترحة تتفوق على التقنيات الأخرى من حيث نسبة الضغط ووقت الضغط ووقت فك الضغط وحجم البيانات المرسلة وقوة الضغط ومتوسط قوة الضغط. تقدم تقنية LEDaC المقترحة نسبة ضغط جيدة ، Cus تقوم بضغط بيانات EEG لكل فترة من 2.1 حتى 4.39 لسجلات مجموعة بيانات مختلفة ، بينما تقوم تقنية ECoT بضغط بيانات EEG من 265 إلى 85/ لسجلات مختلفة. تم ضغط بيانات EEG بواسطة تقنية NoLEDaC والحصول على نسبة ضغط أعلى من ECoT و LEDaC بمعدل من 6 إلى 798.6 في جميع السجلات.

The Internet of Medical Things (IoMT), which includes many innovative applications that connect to healthcare systems through computer networks over the Internet, has emerged due to the rapid growth of medical equipment and communication technology. These applications will regularly generate huge amounts of data, which the edge gateway will transfer to the cloud on a continuous and regular basis for further processing. The Internet of Things will be very taxing if this huge amount of data is sent through it to the cloud. The amount of data transmitted and prolonged processing delays greatly affect the reaction speed of IoT applications. This will reduce the response times of these applications. So to reduce the amount of data transferred and improve reaction times, IoT applications will benefit from the advantages of fog computing, which acts as an intermediate level between smart devices and the Internet. The current thesis proposes lossless EEG data compression for IoT fog computing applications. Three encoding approaches are provided that can be performed at the fog gateway to reduce the patient EEG data sent to the cloud data center. These approaches are: First, lossless EEG data compression (LEDaC) technology from In order to reduce the amount of IoMT data, LEDaC combines two effective techniques of DBSCAN Clustering and Huffman encoding. Secondly, an Efficient Compression Technique (ECoT) is proposed for lossless EEG data compression. In order to communicate only the necessary EEG data to the cloud, ECoT approach integrates three effective methods into the fog gateway: DBSCAN Clustering, Delta encoding and Huffman encoding. Thirdly, A novel Lossless EEG Data Compression (NoLEDaC) approach is proposed to compress EEG data in fog computing for Internet of Medical things networks. This technique reduces the size of the patient's EEG data by compressing it in a fog node before uploading it to the cloud data center.The proposed NoLEDaC approach combines: DBSCAN Clustering followed by RLE compression technique and Huffman encoding at the fog gateway. Several experiments were completed successfully using (Bonn) dataset. The results showed that the proposed lossless compression approaches are ortperform other techniques in terms of compression ratio, compression time, decompression time, size of transmitted data, compression power, and average compression power. The proposed LEDaC approach offers a good compression ratio, compressing EEG data for each period from 2.1 up to 4.39 for different data set records, while ECoT approach compresses EEG data from 65% to 85% for different records. While EEG data was compressed by NoLEDaC approaches and obtained higher compression ratio than ECoT and LEDaC with an average of 66% to 98.6% in all records.

طلب نسخة من الملف

الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.

الاسم

رقم الهاتف

البريد الإلكتروني

الغرض من الطلب (اختياري)

إرسال الطلب