RealTime Health Monitoring Using 5G Networks: A Deep Learning-Based Architecture for Remote Patient Care

Iqra Batool

RealTime Health Monitoring Using 5G Networks: A Deep Learning-Based Architecture for Remote Patient Care

网络与互联网体系结构 2025-01-03 v1 信号处理

作者: Iqra Batool

摘要

远程患者监测在现代医疗中至关重要，但当前系统在实时分析和预测生命体征方面存在挑战。本文提出了一种新型架构，将深度学习与 5G 网络能力相结合，以实现生命体征的实时监测和预测。该系统利用针对边缘部署优化的混合 CNN-LSTM 模型，配合 5G 超可靠低时延通信 (URLLC) 实现高效数据传输。该架构实现了端到端时延为 14.4ms，同时在多种生命体征上保持 96.5% 的预测准确率。我们的系统在降低时延 47%、提高预测准确率 4.2% 方面显著优于现有解决方案。进行了为期三个月、来自 1000 名患者的数据评估验证了该系统在临床环境中的可靠性和可扩展性。结果表明，将深度学习与 5G 技术集成可以有效解决实时患者监测的挑战，从而实现对恶化状况的早期检测并改善临床结果。本研究为可靠的实时生命体征监测和预测在数字健康领域建立了框架。

关键词

5G 网络深度学习远程患者监测 CNN-LSTM 超可靠低时延通信

引用

@article{arxiv.2501.01027,
  title  = {RealTime Health Monitoring Using 5G Networks: A Deep Learning-Based Architecture for Remote Patient Care},
  author = {Iqra Batool},
  journal= {arXiv preprint arXiv:2501.01027},
  year   = {2025}
}

备注

9 pages, 7 figures

RealTime Health Monitoring Using 5G Networks: A Deep Learning-Based Architecture for Remote Patient Care

摘要

关键词

引用

备注

相关论文