دانلود مقاله ترجمه شده استخراج داده های پزشکی چند منبعی برای ارائه خدمات مراقبت سلامت (IEEE 2020) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

ieee2

 

 

این مقاله انگلیسی ISI در نشریه IEEE در ۸ صفحه در سال ۲۰۲۰ منتشر شده و ترجمه آن ۲۰ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

یکپارچگی و استخراج داده های پزشکی چند منبعی برای ارائه خدمات مراقبت سلامت

عنوان انگلیسی مقاله:

Multi-Source Medical Data Integration and Mining for Healthcare Services

 
 
 

 

مشخصات مقاله انگلیسی 
فرمت مقاله انگلیسی pdf
سال انتشار ۲۰۲۰
تعداد صفحات مقاله انگلیسی ۸ صفحه با فرمت pdf
نوع مقاله ISI
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مهندسی پزشکی و فناوری اطلاعات و ارتباطات
گرایش های مرتبط با این مقاله سایبرنتیک پزشکی، کاربردهای ICT
چاپ شده در مجله (ژورنال) IEEE Access
کلمات کلیدی توصیه خدمات، اینترنت سلامت، هشینگ حساس به محل، حریم خصوصی کاربر، یکپارچگی داده ها
کلمات کلیدی انگلیسی Service recommendation – Internet of Health – locality-sensitive hashing – user privacy – data integration
ارائه شده از دانشگاه کالج بسکتبال چین، دانشگاه ورزشی پکن، چین
نمایه (index)
scopus – master journals – JCR – DOAJ
نویسندگان Qingguo Zhang – Bizhen Lian – Ping Cao – Yong Sang – Wanli Huang
شناسه شاپا یا ISSN ۲۱۶۹-۳۵۳۶
شناسه دیجیتال – doi https://doi.org/10.1109/ACCESS.2020.3023332
ایمپکت فاکتور(IF) مجله ۴٫۹۸۳ در سال ۲۰۱۹
شاخص H_index مجله ۸۶ در سال ۲۰۲۰
شاخص SJR مجله ۰٫۷۷۵ در سال ۲۰۱۹
شاخص Q یا Quartile (چارک) Q2 در سال ۲۰۱۹
بیس  است  
مدل مفهومی دارد  
پرسشنامه دارد  
متغیر دارد  
رفرنس  دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۱۵۵۰
لینک مقاله در سایت مرجع لینک این مقاله در سایت IEEE
نشریه آی تریپل ای

 

مشخصات و وضعیت ترجمه فارسی این مقاله 
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۲۰ صفحه (۱ صفحه رفرنس انگلیسی) با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است  
ترجمه متون داخل تصاویر ترجمه شده است 
ترجمه متون داخل جداول ترجمه شده است  
ترجمه ضمیمه ندارد 
ترجمه پاورقی ندارد 
درج تصاویر در فایل ترجمه درج شده است 
درج جداول در فایل ترجمه درج شده است 
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است  
منابع داخل متن به صورت عدد درج شده است  
منابع انتهای متن به صورت انگلیسی درج شده است

 

فهرست مطالب

چکیده
۱- مقدمه
۲- کارهای مرتبط
A- رمزنگاری
B- حریم خصوصی تفاضلی
C- بی نام سازی
۳- انگیزش
۴- رویکرد
(۱) گام ۱: تصویر سازی یا طرح ریزی داده های IoH برمبنای LSH-
(۲) گام ۲: ایجاد (ساخت) جداول هش بدون نگرانی در مورد حریم خصوصی-
(۳) گام ۳: جستجو و کاوش داده های مشابه IoH بر مبنای جداول هش
۵- آزمایشات
A- پیکره بندی
B- مقایسه ها
C- بحث های آتی
۶- نتیجه گیری

 

بخشی از ترجمه

چکیده

با ظهور عصر و دوره اینترنت سلامت (IoH)، سرویس های پزشکی یا سلامت سنتی به تدریج به وب یا اینترنت مهاجرت کرده و داده های پزشکی قابل توجهی در ارتباط با بیماران، پزشکان، دارو، زیرساخت پزشکی و غیره تولید کرده اند. ترکیب و تحلیل موثر داده های IoH، بر تشخیص حوادث و سوانح علمی و سرویس های مراقبت پزشک، تاثیر مثبتی می گذارد. با این حال، داده های IoH اغلب ار میان دپارتمان های مختلف توزیع شده و محتوی حریم خصوصی جزئی (ناقص) کاربر هستند. بنابراین، یکپارچگی یا کاوش موثر داده های حساس IoH، درطول مدتی که حریم خصوصی کاربر افشا نشده است، وظیفه ای چالش برانگیز می باشد. برای غلبه بر مشکل فوق، راه حل یکپارچگی و کاوش داده های پزشکی چند منبعی جدیدی برای سرویس های مراقبت سلامت بهتر، به نام PDFM مطرح می کنیم. از طریق PDFM، پرونده های پزشکی مشابه را به شیوه زمانی کارآمد و با حفظ حریم خصوصی جستجو نموده و سر ویس های پزشکی و سلامت (بهداشتی) بهتری به بیماران عرضه می نماییم. برای تشریح امکان سنجی پیشنهاد مطرح شده در این کار، گروهی از آزمایشات وضع و پیاده گردید.

 

۱- مقدمه

با افزایش شهرت فناوری اطلاعات و پذیرش تدریجی نرم افزار دیجیتال در حوزه های پزشکی یا سلامتی، دپارتمان ها یا آژانس های پزشکی مختلف، داده های تاریخی قابل ملاحظه ای جمع آوری نموده اند (مثلاً، پرونده های پزشکی بیماران، راه حل های درمان سالم و غیره)، که منبع اصل کلان داده های اینترنت سلامت (IoH) را تشکیل می دهند [۱]. درجه بهره برداری از چنین داده های IoH، معیاری کلیدی برای ارزیابی و تعیین سطح اطلاعات واحدها یا دپارتمان های پزشکی یا سلامتی به حساب می آید [۲].

 

۶- نتیجه گیری

ترکیب و تحلیل های موثر داده های IoH به عنوان روشی موثر و مهم برای تشخیص حوادث علمی و سرویس های مراقبت سلامت شناخته می شود. با این حال، داده های IoH تولید شده توسط بیماران، اغلب در میان دپارتمان های مختلف توزیع شده، و محتوی حریم خصوصی جزئی بیمار هستند. بنابراین، یکپارچه سازی یا کاوش موثر داده های حساس IoH بدون افشاء حریم خصوصی بیمار، وظیفه ای چالش برانگیز به حساب می آید. برای حل این چالش، راه حل جدیدی به نام PDFM برای یکپارچه سازی و کاوش داده های پزشکی چند منبعی مطرح می کنیم تا به این طریق بتوانیم به سرویس های مراقبت سلامت بهتری دست یابیم. از طریق PDFM، پرونده های پزشکی مشابه را به شیوه زمانی کارآمد و با حفظ حریم خصوصی جستجو نموده و سرویس های پزشکی و سلامتی بهتری به بیماران عرضه می گردد. آزمایشات انجام شده برروی مجموعه داده واقعی، امکان سنجی PDFM را اثبات می کنند.

 

بخشی از مقاله انگلیسی

Abstract

With the advent of Internet of Health (IoH) age, traditional medical or healthy services are gradually migrating to the Web or Internet and have been producing a considerable amount of medical data associated with patients, doctors, medicine, medical infrastructure and so on. Effective fusion and analyses of these IoH data are of positive significances for the scientific disaster diagnosis and medical care services. However, IoH data are often distributed across different departments and contain partial user privacy. Therefore, it is often a challenging task to effectively integrate or mine the sensitive IoH data, during which user privacy is not disclosed. To overcome the above difficulty, we put forward a novel multi-source medical data integration and mining solution for better healthcare services, named PDFM (Privacy-free Data Fusion and Mining). Through PDFM, we can search for similar medical records in a time-efficient and privacy-preserving manner, so as to offer patients with better medical and health services. A group of experiments are enacted and implemented to demonstrate the feasibility of the proposal in this work.

 

I- INTRODUCTION

With the ever-increasing popularity of Information Technology and the gradual adoption of digital software in medical or healthy domains, various medical departments or agencies have accumulated a considerable amount of historical data (e.g., patients’ medical records, healthy treatment solutions and so on), which form a main source of big Internet of Health (IoH) data [1]. The utilization degree of such IoH data is a key criterion to evaluate and quantify the information level of medical or healthy units or departments [2].

 

VI- CONCLUSION

Effective fusion and analyses of IoH data are of positive significances for scientific disaster diagnosis and medical care services. However, the IoH data produced by patients are often distributed across different departments and contain partial patient privacy. Therefore, it is often a challenging task to effectively integrate or mine the sensitive IoH data without disclosing patient privacy. To tackle this challenge, we bring forth a novel multi-source medical data integration and mining solution for better healthcare services, named PDFM. Through PDFM, we can search for similar medical records in a time-efficient and privacy-preserving manner, so as to provision patients with better medical and health services. The experiments on a real dataset prove the feasibility of PDFM.

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

یکپارچگی و استخراج داده های پزشکی چند منبعی برای ارائه خدمات مراقبت سلامت

عنوان انگلیسی مقاله:

Multi-Source Medical Data Integration and Mining for Healthcare Services

 
 
 

 

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *