Andere Kunden interessierten sich auch für
![Sistemas de saúde inteligentes e suas aplicações: Uma perspetiva de investigação]( "Sistemas de saúde inteligentes e suas aplicações: Uma perspetiva de investigação")
Sistemas de saúde inteligentes e suas aplicações: Uma perspetiva de investigação29,99 €![Fundamentos da IoT nos cuidados de saúde]( "Fundamentos da IoT nos cuidados de saúde")
Fundamentos da IoT nos cuidados de saúde29,99 €![Uma estrutura IoT para um sistema de monitorização de cuidados de saúde]( "Uma estrutura IoT para um sistema de monitorização de cuidados de saúde")
Uma estrutura IoT para um sistema de monitorização de cuidados de saúde23,99 €![Internet das Coisas (IoT) para a agricultura: Estudo de caso de uma estufa]( "Internet das Coisas (IoT) para a agricultura: Estudo de caso de uma estufa")
Internet das Coisas (IoT) para a agricultura: Estudo de caso de uma estufa23,99 €![Tendências futuras e inovações nos cuidados de saúde]( "Tendências futuras e inovações nos cuidados de saúde")
Tendências futuras e inovações nos cuidados de saúde29,99 €![Integração da cadeia de blocos em sistemas de saúde inteligentes baseados na IoT]( "Integração da cadeia de blocos em sistemas de saúde inteligentes baseados na IoT")
Integração da cadeia de blocos em sistemas de saúde inteligentes baseados na IoT29,99 €![Introdução à IoT, à cadeia de blocos e aos cuidados de saúde]( "Introdução à IoT, à cadeia de blocos e aos cuidados de saúde")
Introdução à IoT, à cadeia de blocos e aos cuidados de saúde39,99 €
O livro "Um sistema de saúde inteligente: Reduzir as falsas previsões de doenças crónicas utilizando a IoT e a aprendizagem automática" apresenta um sistema inovador e rentável de Monitorização Ambulatória da Pressão Arterial (IABPM) baseado na IoT que visa o rastreio em tempo real e a deteção precoce de Doenças Cardíacas Crónicas (CHD). Aproveita os sensores vestíveis e a integração na nuvem para registar a pressão arterial e os dados de pulso ao longo do dia, melhorando a mobilidade e os cuidados do paciente. O sistema aplica algoritmos de ML como Naïve Bayes, KNN, Árvore de Decisão, SVM e XGBoost a conjuntos de dados clínicos (SMHRCE e Kaggle) para prever as pontuações de alerta precoce (EWS). O modelo proposto apresenta uma elevada precisão (até 99,85%) e ajuda a reduzir os custos dos cuidados de saúde, a apoiar uma intervenção proactiva e a melhorar a precisão do diagnóstico. O projeto preenche as lacunas dos sistemas tradicionais de MAPA, oferecendo monitorização contínua, alertas automáticos e acessibilidade à nuvem - abrindo caminho para uma melhor gestão das doenças crónicas através da integração tecnológica.