دانلود رایگان ترجمه مقاله پشتیبانی هوشمند از مراقبت های بهداشتی (آی تریپل ای ۲۰۰۹)

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

آگاهی از زمینه یک پیشنیاز کلیدی در سیستم‌های نظارت بر سلامت است که عملیات‌های مستقل را بدون مداخله‌ی بیمار فعال می‌کند و تصمیم گیری حرفه‌ای‌ها به روی وضعیت بیمار را بهبود می‌بخشد [۹] . با این حال تحقیقات محدودی وجود دارند که تلاش کرده‌اند تا آگاهی از زمینه و یا فراهم سازی یک نمایندگی عمومی و رسمی از زمینه را به طور کامل نشان دهند. یکی از کارها در زمینه مراقبت‌های تلفن همراه که با هر دو مورد آگاهی از زمینه و انطباق در بخش [۱۳] ارائه شد اما مقاله در مورد آن جزئیاتی را فراهم نکرد که چگونه و در چه زمانی استراتژی‌های انطباق به کار گرفته شده‌اند. مطالعات در زمینه پردازش جریان داده‌ها [۱۴-۱۵] خصوصاً درباره برنامه هستند و روی حوزه‌های محدودی از تحقیقات تمرکز می‌کنند. یک برخورد کلی برای تحلیل به صرفه و هوشمندانه از داده‌ها برای سیستم‌های مراقبت تلفن همراه در آخرین پیشرفت‌های علمی معرفی نشده است و هنوز هم یک موضوع باز می‌باشد.

۳٫ پردازش انطباقی آگاه از وضعیت (SAAP) در جریان‌های داده
سبک معماری برای پردازش انطباقی آگاه از وضعیت(SAAP) در جریان‌های داده شامل ۳ قسمت ِ استنتاج وضعیت‌های فازی (FSI)، مانیتور منابع (RM) و موتور انطباقی (AE) می‌باشد که در شکل ۱ نشان داده شده است.

موتور FSI ، آگاهی از وضعیت را با استفاده از اصول منطق فازی فراهم می‌کند. مانیتور منابع (RM) یک مؤلفه نرم افزار است که به طور پیوسته منابع موجود مانند حافظه در دسترس و استفاده از باتری را مانیتور می‌کند و میزان در دسترس بودن آنها را به موتور انطباق گزارش می‌کند. موتور انطباق (AE) نسبت به تنظیم تدریجی پارامترهای پردازش جریان داده‌ها در زمان واقعی مسئول می‌باشد که بر اساس وضعیت‌های وقوع و منابع در دسترس است. لایه‌ی SAAP در بالای الگوریتم‌های جریان داده کاوی ساخته می‌شود که روی دستگاه‌های تلفن همراه اجرا می‌گردد و آن‌ها را با انطباق آگاه از وضعیت مجهز می‌کند. بخش بعدی تکنیک FSI را مورد بحث و بررسی قرار می‌دهد.

۴٫ استنتاج وضعیت فازی
FSI یک مدلسازی و بخورد با علت از وضعیت است که منطق فازی را در مدل فضاهای زمینه (CS) ادغام می‌کند [۴]. FSI از مزایای مدل CS استفاده می‌کند تا به طور فراگیر محیط‌های محاسبه را پشتیبانی کند و این در حالی است که منطق فازی برای مقابله با عدم قطعیت را با شرایط مبهم و در دنیای واقعی ترکیب می‌کند.

۱٫ ۴ مدل فضاهای زمینه
مدل فضاهای زمینه (پس از این CS) اطلاعات متنی را به صورت اشیای هندسی در فضای چندبُعدی نمایش می‌دهد که موقعیت نامیده می‌شود. مفهوم عبارت «فضای موقعیت» با یک دسته از مناطق توصیف شده است. هر «منطقه» یک دسته از ارزش‌های قابل قبول در یک جنبه از زمینه می‌باشد که یک استناد را اقناع می‌کند. علاوه بر مفاهیم بنیادی و تکنیک‌ها برای مدل سازی موقعیت و ایجاد منطق، مدل CS اکتشافی را فراهم می‌کند که به طور به خصوص برای نشان دادن آگاهی از زمینه تحت عدم قطعیت توسعه یافته است. این اکتشافی‌ها در تکنیک‌های منطقی ادغام شده‌اند که ابزار مبتنی بر الگوریتم‌های فازی داده می‌باشند و سطح اعتماد را در وقوع یک موقعیت محاسبه می‌کنند. CS با عدم قطعیت سروکار دارد که به طور کلی با اشتباهات سنسورها همراه است. با این حال یک مورد دیگر از جنبه عدم قطعیت در مفاهیم انسانی و موقعیت‌های دنیای واقعی وجود دارد که نیاز دارد به وسیله‌ی مدل زمینه نشان داده شود و در نتایج منطقی وضعیت منعکس شود. منطق فازی از منطق چند-ارزشی استفاده می‌کند که مزایای سروکار داشتن با این سطح از عدم قطعیت را با ارجاع درجه‌های عضویت به ارزش‌ها دارد.

۲٫ ۴ مدل سازی موقعیت
FSI شامل ۳ فرع می‌باشد که عبارت‌اند از فازیفیر (fuzzifier) ، قوانین و موتور استنتاج. فازیفیر، به عنوان یک نرم افزار ترکیبی، ورودی موجی (به عنوان مثال ارزش‌های ویژگی‌های زمینه) را در دسته‌های فازی ترسیم می‌کند که با استفاده از توابع ذوزنقه عضویت انجام می‌شود. در یک دسته فازی، عضویت یک آیتم به صورت تدریجی است و با درجه‌هایی بین ۰ و ۱ نشان داده می‌شود. در FSI، موقعیت‌های مورد علاقه با استفاده از قوانین فازی به وسیله‌ی کارشناسان دامنه تعریف می‌شوند و در یک فضای نگهداری قانون ذخیره می‌گردند. هر قانون FSI شامل چندین شرایط است که پیوسته با اپراتور AND بوده است اما یک شرطی که خودش می‌تواند به چند شرط تفکیک گردد. برای مدل کردن اهمیت شرایط، ما یک وزن w را برای هر یک از شرایط با یک ارزش بین ۰ تا ۱ اختصاص داده‌ایم. مجموع وزن‌ها برای هر قانون ۱ است. یک وزن نشان دهنده‌ی اهمیتی است که وضعیتش نسبت به دیگر وضعیت‌ها اختصاص داده که در یک موقعیت تعریف شده‌اند. یک مثلاً برای یک قانون FSI به صورت زیر می‌باشد: اگر دمای اتاق بسیار بالا باشد و ضربان قبل سریع و وضعیت سنی میان سال یا پیر باشد موقعیت سکته قلبی است.
زیربخش بعدی استدلال موقعیت را مورد بحث و بررسی قرار می‌دهد.

۳٫ ۴ استدلال موقعیت
برای استدلال یک موقعیت، نیاز است تا قوانین برای تولید یک خروجی سنجیده شوند که نشان دهنده درجه عضویت برایند می‌باشد. موقعیت‌ها به یک اپراتور ِ OR متصل می‌شوند که از بیشترین عملکرد استفاده می‌کند. با این حال برای سنجش شرایط متصل با اپراتور AND ، یک FSI به فراهم سازی ۴ تکنیک استدلال می‌پردازد که در جدول ۱ نشان داده شده است: این تکنیک‌ها منطق فازی را با روش‌های استدلال CS ادغام می‌کنند که جنبه‌ی دیگر از عدم قطعیت را فراهم می‌نمایند (برای مثال، عدم قطعیت موقعیت‌ها و تغییرات دلتا از زمینه) که در محاسبه ارزش اعتماد برای وقوع یک موقعیت می‌باشد.
تکنیک‌های استدلال موقعیت از CS بر اساس ۴ اکتشاف‌اند که برای مدیریت عدم قطعیت در محیط‌های محاسبات فراگیر می‌باشند. این اکتشاف‌ها به صورت مقابل‌اند: ۱) وزن‌های نسبی از ویژگی‌های زمینه و سطح اعتماد از ارزش‌ها، ۲) بی دقتی سنسور ، ۳)ویژگی زمینه‌ی متقارن و نامتقارن، ۴) و مهار جزئی و کامل از ویژگی‌های زمینه متقارن. جدول ۱ روش‌های استدلال از CS را به تصویر می‌کشد، معادل FSI در آنها با منطق فازی و فن آوری هوشمند اصولی در آن‌ها و مفاهیم نظری ترکیب شده است .زیر بخش بعدی هر اکتشاف و تکنیک استدلال را با جزئیات بیشتری مورد بحث و بررسی قرار می‌دهد.

۱ . ۳ .۴ وزن و سطح ِمشارکت. اولین تکنیک استدلال از CS بر اساس وزن ویژگی‌های زمینه و سطح اعتماد در ارزش ِویژگی‌ها می‌باشد. وزن‌ها به ویژگی‌های زمینه اختصاص دارند و به طور نسبی اهمیت هر ویژگی زمینه را با استنباط یک وضعیت نشان می‌دهند. سطح اعتماد به هر عنصر اختصاص داده می‌شود و چگونگی ارتباط عنصر را با موقعیت مدل شده منعکس می‌کند. در این اکتشاف، تابع توزیعی که سطح توزیع را محاسبه می‌کند در یک سطح مفهومی ارائه می‌شود و پیاده سازی آن بعداً در یک تکنیک استدلال ثانویه بر اساس بی دقتی سنسور معرفی می‌شود.
در FSI ، مفهوم وزن‌ها همراه با متغیرهای زبانی می‌باشد (برای مثال، ویژگی‌های زمینه) مفهوم سطح توزیع مشابه با درجه عضویت عنصرها در یک دسته‌ی فازی است اما با این تفاوت که پیاده سازی با توابع عضویت انجام می‌گیرد. نتیجه‌ی w_i μ(x_i)عضویت‌های وزن شده را نشان می‌دهد.
درجه‌ی 〖 x〗_iو nشماره وضعیت در یک قانون را نشان می‌دهد (۱≤i≤n).

۲ . ۳ . ۴ بی دقتی سنسور. برای این که محاسباتی خودکار از سطح توزیع در زمان اجرا فراهم شود، روش استدلال ثانویه CS از تأثیر بی دقتی سنسور و عدم اطمینان به صورت یک فاکتور مشخص کننده استفاده می‌کند که برای محاسبه سطح توزیع می‌باشد. این روش احتمال یک ارزش صحیح از ویژگی زمینه a ̂_i^tرا محاسبه می‌کند که در بخش 〖 A〗_iقرار گرفته است. برای محاسبه ارزش احتمالی که بر اساس عدم قطعیت یک سنسور می‌باشد ، عدم قطعیت در خواندن (برای مثال ۹۵%) برای نشان دادن ارزش احتمال استفاده می‌شود (برای مثال ۰٫۹۵).