Abstract
Створення інтелектуальних систем охорони здоров’я є життєздатною стратегією для підвищення якості та доступності медичних послуг. Крадіжка персональних даних, витік даних і атаки на відмову в обслуговуванні — це лише деякі з проблем безпеки, що виникли в результаті з’єднання безпроводових мереж і «розумного» медичного обладнання. Безпечна і надійна інтелектуальна система охорони здоров’я, яка здатна захистити дані пацієнтів і зберегти конфіденційність приватної медичної інформації, є особливо важливою в світлі цих вразливостей. Медична діагностика набуває все більшого значення, оскільки обсяг даних, що створюються щодня в інтернеті медичних речей IoMT (Internet-of-Medical Things) з підтримкою 6G, зростає за експоненціальною залежністю. Щоб підвищити точність прогнозування і забезпечити медичну діагностику в режимі реального часу, це дослідження представляє підхід, інтегрований в IoMT з підтримкою 6G, який вимагає меншого втручання людини для багатьох застосувань у сфері охорони здоров’я. Для цього запропонована система поєднує глибоке навчання з методами оптимізації. Архітектура MobileNetV3 використана для вивчення особливостей кожного зображення. Крім того, автори покращили продуктивність алгоритму арифметичної оптимізації AOA (arithmetic optimization algorithm) на основі HGS. Оператори HGS використовуються в новому підході, який отримав назву AOAHG, для підвищення продуктивності AOA при поділі важливої сфери діяльності. Розроблено підхід IoMT з підтримкою 6G, який вимагає меншої кількості людей в медичних установах, але дає швидші результати діагностики. Новий підхід розроблений з метою використання в системах з обмеженими можливостями. Створений AOAHG надає пріоритет найважливішим ознакам і гарантує загальне покращення категоризації моделей. У порівнянні з іншими методологіями, описаними в літературі, результати фреймворку вражаючі. Створений AOAHG також перевершив альтернативні методи файлової системи FS (file system) з точки зору досягнутої точності, прецизійності, пригадування та F1-оцінки. Наприклад, точність AOAHG склала 92,12% з набором даних ISIC, 98,27% з набором даних PH2, 95,24% з набором даних WBC, і 99,84% з набором даних OCT.