COUNTERSAVIOR: AIoMT and IIoT enabled Adaptive Virus Outbreak Discovery Framework for Healthcare Informatics

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: WFRF:(Gadekallu Thippa Reddy) > COUNTERSAVIOR :

Pandya, Sharnil,Researcher,1984-Linnéuniversitetet,Institutionen för datavetenskap och medieteknik (DM),Symbiosis Institute of Technology, India (författare)

COUNTERSAVIOR : AIoMT and IIoT enabled Adaptive Virus Outbreak Discovery Framework for Healthcare Informatics

Artikel/kapitelEngelska2023

Förlag, utgivningsår, omfång ...

IEEE,2023
printrdacarrier

Nummerbeteckningar

LIBRIS-ID:oai:DiVA.org:lnu-117657
https://urn.kb.se/resolve?urn=urn:nbn:se:lnu:diva-117657URI
https://doi.org/10.1109/jiot.2022.3216108DOI

Kompletterande språkuppgifter

Språk:engelska
Sammanfattning på:engelska

Ingår i deldatabas

SwePubSwePub

Klassifikation

Ämneskategori:ref swepub-contenttype
Ämneskategori:art swepub-publicationtype

Anmärkningar

In the current Pandemic, global issues have caused health issues as well as economic downturns. At the beginning of every novel virus outbreak, lockdown is the best possible weapon to reduce the virus spread and save human life as the medical diagnosis followed by treatment and clinical approval takes significant time. The proposed COUNTERSAVIOR system aims at an Artificial Intelligence of Medical Things (AIoMT), and an edge line computing enabled and Big data analytics supported tracing and tracking approach that consumes GPS spatiotemporal data. COUNTERSAVIOR will be a better scientific tool to handle any virus outbreak. The proposed research discovers the prospect of applying an individual’s mobility to label mobility streams and forecast a virus such as COVID-19 pandemic transmission. The proposed system is the extension of the previously proposed COUNTERACT system. The proposed system can also identify the alternative saviour path concerning the confirmed subject’s cross-path using GPS data to avoid the possibility of infections. In the undertaken study, dynamic meta direct and indirect transmission, meta behaviour, and meta transmission saviour models are presented. In conducted experiments, the machine learning and deep learning methodologies have been used with the recorded historical location data for forecasting the behaviour patterns of confirmed and suspected individuals and a robust comparative analysis is also presented. The proposed system produces a report specifying people that have been exposed to the virus and notifying users about available pandemic saviour paths. In the end, we have represented 3D tracker movements of individuals, 3D contact analysis of COVID-19 and suspected individuals for 24 hours, forecasting and risk classification of COVID-19, suspected and safe individuals.

Ämnesord och genrebeteckningar

NATURVETENSKAP Data- och informationsvetenskap Datavetenskap hsv//swe
NATURAL SCIENCES Computer and Information Sciences Computer Sciences hsv//eng
MEDICIN OCH HÄLSOVETENSKAP Hälsovetenskap Folkhälsovetenskap, global hälsa, socialmedicin och epidemiologi hsv//swe
MEDICAL AND HEALTH SCIENCES Health Sciences Public Health, Global Health, Social Medicine and Epidemiology hsv//eng
Data- och informationsvetenskap
Computer and Information Sciences Computer Science
Health Informatics
Hälsoinformatik

Biuppslag (personer, institutioner, konferenser, titlar ...)

Ghayvat, HemantLinnéuniversitetet,Institutionen för datavetenskap och medieteknik (DM),Technology University of Denmark, Denmark,AiHealth;DISA;DISA-IDP(Swepub:lnu)heghaa (författare)
Reddy, Praveen KumarVellore Institute of Technology, India (författare)
Gadekallu, Thippa ReddyVellore Institute of Technology, India (författare)
Khan, Muhammad AhmedStanford University School of Medicine, USA (författare)
Kumar, NeerajVellore Institute of Technology, India;Thapar Institute of Engineering and Technology, India;University of Petroleum and Energy Studies, India;Lebanese American University, Lebanon;King Abdulaziz University, Saudi Arabia (författare)
LinnéuniversitetetInstitutionen för datavetenskap och medieteknik (DM) (creator_code:org_t)

Sammanhörande titlar

Ingår i:IEEE Internet of Things Journal: IEEE10:4, s. 4202-42122327-46622372-2541

Internetlänk

Hitta via bibliotek

IEEE Internet of Things Journal (Sök värdpublikationen i LIBRIS)

Till lärosätets databas

Hitta mer i SwePub

Av författaren/redakt...: Pandya, Sharnil, ...; Ghayvat, Hemant; Reddy, Praveen K ...; Gadekallu, Thipp ...; Khan, Muhammad A ...; Kumar, Neeraj

Om ämnet

NATURVETENSKAP: NATURVETENSKAP; och Data och informa ...; och Datavetenskap

MEDICIN OCH HÄLSOVETENSKAP: MEDICIN OCH HÄLS ...; och Hälsovetenskap; och Folkhälsovetensk ...

Artiklar i publikationen: IEEE Internet of ...

Av lärosätet: Linnéuniversitetet

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se