多模态机器学习驱动的智能电子健康应用的边缘中心优化
机器学习
2022-08-05 v1 分布式、并行与集群计算
摘要
智能电子健康应用通过遥感、持续监测与数据分析，向用户交付个性化与预防性的数字医疗服务。此类应用从多种模态感知输入数据，将数据传输至边缘和/或云节点，并利用计算密集的机器学习（ML）算法处理数据。带有连续噪声输入数据流的运行期变化、不可靠的网络连接、ML算法的计算需求，以及传感-边缘-云各层间计算放置的选择，均会影响ML驱动的电子健康应用的效率。在本章中，我们提出以边缘为中心的技术，用于ML驱动电子健康应用的优化计算放置、精度-性能权衡探索，以及跨层感知-计算协同优化。通过一个用于客观疼痛评估案例研究的传感-边缘-云框架，我们展示了智能电子健康应用在日常场景中的实际用例。
引用
@article{arxiv.2208.02597,
title = {Edge-centric Optimization of Multi-modal ML-driven eHealth Applications},
author = {Anil Kanduri and Sina Shahhosseini and Emad Kasaeyan Naeini and Hamidreza Alikhani and Pasi Liljeberg and Nikil Dutt and Amir M. Rahmani},
journal= {arXiv preprint arXiv:2208.02597},
year = {2022}
}