Використання периферійних обчислень у телемедичних системах

Abstract

У сучасних умовах стрімкого розвитку цифрових технологій та зростаючого попиту на дистанційні медичні послуги, телемедичні системи стали одним з ключових компонентів охорони здоров'я. Одним з основних викликів при реалізації таких систем є забезпечення ефективної, надійної та своєчасної передачі великого обсягу медичних даних, включаючи відеопотоки, біомедичні сигнали та зображення високої роздільної здатності. В роботі розглядається концепція використання технології периферійних (edge) обчислень як інструменту попередньої обробки медичних даних безпосередньо на місці їхнього збору, що дозволяє зменшити навантаження на мережу, підвищити швидкість реагування системи та зменшити затримки під час передавання. Представлено функціональну архітектуру edge-вузла, охарактеризовано його ключові модулі та алгоритми обробки. Результати моделювання демонструють суттєве покращення параметрів якості обслуговування (QoS), зокрема зниження середньої затримки до 50% та зменшення обсягу переданих даних до 60% у порівнянні з централізованими системами..

In the context of rapid development of digital technologies and increasing demand for remote medical services, telemedicine systems have become a key component of modern healthcare. One of the main challenges in implementing such systems is ensuring the efficient, reliable, and timely transmission of large volumes of medical data, including video streams, biomedical signals, and high-resolution images. This paper explores the concept of utilizing edge computing technologies as a tool for preliminary processing of medical data directly at the point of collection. This approach reduces network load, improves system response speed, and minimizes transmission delays. The proposed extended edge-node architecture is presented, detailing its key modules, interaction with sensors and communication networks, and mechanisms for ensuring resilience under variable network conditions. Simulation results demonstrate significant improvements in Quality of Service (QoS) parameters, including a reduction in average latency by up to 50% and a decrease in transmitted data volume by up to 60% compared to centralized systems.