来源:Electronics 发布时间:2021/3/10 15:53:15
选择字号:
MDPI 编辑荐读 | Electronics 新冠病毒(COVID-19)热点研究文章

期刊链接:https://www.mdpi.com/journal/electronics

微信链接:

https://mp.weixin.qq.com/s?__biz=MzI1MzEzNjgxMQ==&mid=2649987447&idx=3&sn=

3c83f1eed4cfc5b3e2b71cde791ceabc&chksm=f1de23b3c6a9aaa5fc66dc2e4547c955df

79870f55bc3f92f79f44e8c42cd9581a1e729bd5bc&token=287653195?=zh_CN#rd

过去一年,新冠疫情给各行业及各国居民生活都带来了一定冲击与影响。为了更好地应对疫情防控,许多电子领域的研究人员开始致力于研究开发适用于健康监测的传感器和物联网平台,以帮助居民及时获取信息,帮助疫情防控机构从数据科学方面控制新冠疫情扩散。本期编辑荐读为大家带来了Electronics期刊近期发表的COVID-19方面的精选文章,希望能为该领域学者提供研究思路。

Internet of Things (IoT) Based Indoor Air Quality Sensing and Predictive Analytic—A COVID-19 Perspective

基于物联网 (IoT) 的室内空气质量感测和预测分析-COVID-19观点

Rafia Mumtaz et al.

10.3390/electronics10020184

巴基斯坦不同城市的空气质量比较

室内空气质量通常指建筑物和公共设施内可能影响个人心理和呼吸健康的环境条件。在COVID-19爆发之前,室内空气质量监测并不是公共设施的重点关注领域。但是,新冠病毒的迅速传播及其带来的不利影响使室内空气质量成为人们关注的焦点。与室外空气相反,室内空气不断循环利用,导致污染物不断积聚,可能会加速病毒的传播。目前商业可用的监测方案有较多种,其中最典型的是使用气体和颗粒传感器的室内空气质量监测系统。它的工作原理是将这些传感器监测到的读数与阈值进行比较,系统在读数超过阈值时生成警报。但是,这些系统无法预测未来的空气质量。

本文提出了一种基于最新物联网 (IoT) 传感器和机器学习功能的室内空气质量监测和预测解决方案,为测定众多室内污染物提供了一个新平台。该系统开发了一个由数个传感器组成的物联网节点,可监测到8种污染物 (包括NH3、CO、NO2、CH4、CO2、PM 2.5) 以及环境温度和空气湿度。其通过GSM/WiFi网络端口和应用程序实时报告空气状况,可以在检测到空气质量异常后生成警报。

设计亮点:

1. 作者将几种机器学习算法应用于记录的数据,其中神经网络 (NN) 模型以99.1%的准确率胜过所有其他算法;

2. 作者应用长期和短期记忆 (LSTM) 模型预测了每种空气污染物的浓度以及室内环境的整体质量;

3. 该模型在预测空气污染物的浓度以及整体空气质量方面显示出很好的结果,其准确度为99.37%,精确度为99%,召回率为98%,F1得分为99%;

4. 此方案可实现远程监视,可监测环境状况的实时状态以及便携式硬件等。

英文原文链接:https://www.mdpi.com/2079-9292/10/2/184

A Non-Contact Integrated Body-Ambient Temperature Sensors Platform to Contrast COVID-19

用于COVID-19的非接触式集成人体环境温度传感器平台

Sandra Costanzo and Alexandra Flores

10.3390/electronics9101658

用于远程环境和人体温度监测的传感器平台

本文提出了用于非接触式温度监控的集成传感器平台。该平台是由红外温度计和电容式湿度传感器组成。此平台能够提供一种快速准确的方式,在COVID-19等疫情情况下远程感测环境温度和人体温度,以避免人与人直接接触。平台成功利用与环境温度有关的信息得出校正公式,以便从标准红外传感器提供的测量结果中准确获取体温。本文提供了所建平台设计的全部内容,通过有关环境温度、相对湿度和体温变化的相关模拟结果,进行实验验证,对提出的方法进行全面评估。

英文原文链接:https://www.mdpi.com/2079-9292/9/10/1658

Practical Homomorphic Authentication in Cloud-Assisted VANETs with Blockchain-Based Healthcare Monitoring for Pandemic Control

云辅助VANET中的实用同态身份验证和基于区块链的大流行控制医疗监控

Haowen Tan et al.

10.3390/electronics9101683

云辅助VANET系统模型

当前,COVID-19的爆发已对人类生活的各个方面造成了灾难性影响。由于其高传染性和高死亡率,开展有效的预防措施是必不可少的。运输系统已被确认为关键的传播途径之一。因此,对于疫情防控,增强针对运输系统的医疗保健监测和感染跟踪是极为必要的。由于新兴智能交通系统 (ITS) 的研发为非接触式医疗保健监控提供了可能,例如车载自组网 (VANET) 能够收集和处理相关的车载数据,以改善驾驶体验和道路安全,直接减少或避免了人群接触的机会,因此ITS的研发在疫情防控方面存在潜在优势。此外,云计算和区块链技术的快速发展可以实现车载数据的信息处理和存储,以及远程检测功能。由此,疫情防控过程中的感染源自动监测得以实现。

本文针对云辅助VANET开发了一种实用的同态认证方案,该方案可以为所有乘客提供实时健康监测。值得注意的是,混合医疗数据采集模块的存在使集成的云辅助VANET基础架构更具有利用价值。这样,车辆云 (VC) 便可以远程对所有乘客的身体状况进行及时的非接触式测量,这也可以大大提高监测效率并确保乘客安全。其中短距离通信 (DSRC) 技术的漏洞可以通过应用同态加密设计得以解决。此外,基于区块链的分散车辆记录机制由VC和边缘单位共同执行,以此方式可以提供对特定车辆和个人的感染跟踪。

英文原文链接:https://www.mdpi.com/2079-9292/9/10/1683

A Public Platform for Virtual IoT-Based Monitoring and Tracking of COVID-19

基于虚拟物联网的COVID-19监控和跟踪的公共平台

Younchan Jung and Ronnel Agulto

10.3390/electronics10010012

两种vIoT节点: COVID相关节点和支持节点

由于疫情防控需要,世界各地都致力于开发一种应用程序,使得附近出现COVID-19确诊病例时,智能手机能够及时接收警示消息。但是,无论哪个研究成果会最先投入使用,作为世界范围内的公共平台,COVID-19跟踪系统都应满足位置追踪合法化和效率最优化。而信息收集中的实时身份验证、被监测者的隐私以及应用程序使用中查询/答复的服务质量等问题仍有待进一步改进。

本文提出了一个以软件定义的网络控制器为中心的全球公共平台,用于监视和跟踪COVID-19相关人员的信息,并向全球疾病预防控制中心 (CDC) 和常规用户提供实时信息公开服务。CDC会通过手机上安装的COVID-19虚拟物联网程序 (vIoT)密切监控COVID-19疑似人员的身体健康状况。除此之外,vIoT还将通过不同的密钥来确保平台机密性和身份验证服务以改善COVID-19的信息服务质量。由于该平台可容纳全球范围内的CDC,因此该系统可满足系统扩展性并减少查询或回复延迟的情况。

英文原文链接:https://www.mdpi.com/2079-9292/10/1/12

Multi-Agent Approach Using LoRaWAN Devices: An Airport Case Study

使用LoRaWAN设备的多代理方法:机场案例研究

André Sales Mendes et al.

10.3390/electronics9091430

MAS PANGEA系统的多主体体系结构

在新冠疫情的影响下,预防感染成为了当今人们最为关注的话题。通常,机场一天会接待超过30万名旅客,因此机场的疫情防控尤为重要。在本篇文章中,为监视并改善机场厕所的卫生服务满意度,作者提出了一种物联网 (IoT) 网络。通过不同传感器,该系统可以用于控制卫生间的肥皂液使用量、空间容量、距离、温度和湿度。多智能体系统将处理这些信息以检测可能出现的异常情况,并提供相应的解决方法。该工作基于一个在真实环境中的案例研究,证明了研究系统的实用性。通过此案例研究,可以最大程度地减少员工检查厕所的工作量,并改善机场服务的清洁度。根据先前研究和相关的文献报道,所有这些改进均可以降低机场内感染COVID-19的几率。

英文原文链接:https://www.mdpi.com/2079-9292/9/9/1430

Multi-Channel Transfer Learning of Chest X-ray Images for Screening of COVID-19

胸部X射线图像的多通道转移学习以筛选COVID-19

Sampa Misra et al.

10.3390/electronics9091388

数据集: (a) 研究中使用的原始数据集和精炼数据集。 (b) 从普通肺炎(左)和COVID-19(右)数据集中提取的图像

2019年新型冠状病毒 (COVID-19) 在世界范围内迅速传播,用于COVID-19筛查的标准测试是聚合酶链反应测试。因为此种检测方法得到的结果耗时较长,胸部X光片进行快速筛查被考虑做为一种更有效地替代方法。但是,由于COVID-19胸部X射线图像特征的特异性,如何有效并快速对X射线图像进行分类成为研究重点。

为了解决这一问题,本文提出了一种多通道的预训练ResNet架构,以帮助更好地确认COVID-19胸部X射线的检测结果。作者对三种基于ResNet的模型进行重新训练,以对来自 (a) 正常或患病,(b) 肺炎或非肺炎以及 (c) COVID-19或非COVID19个体X射线的样本进行全方位分类。最后,使用来自1579名未患病参与者、4245名肺炎和184名COVID-19患者的X射线对这三个模型进行整合和微调,以区分正常、肺炎和新冠病例。结果表明,集成模型比单个模型更准确,因为它为每个类提取了更多相关的语义特征。该方法的精度为94%,召回率为100%。它可以潜在地帮助临床医生筛查COVID-19患者,从而有助于立即分诊和治疗以获得更好的结果。

英文原文链接:https://www.mdpi.com/2079-9292/9/9/1388

Electronics (ISSN 2079-9292; IF:2.412) 是MDPI组织出版的国际性开放获取期刊之一,是一个主题涵盖电子科学与应用领域的开放获取期刊,致力于发表电子器件、微电子与计算机技术、光电子工程、通信工程、信号与信息处理、微波理论与技术、生物电子工程、能源电子及系统等领域的各类文章。Electronics采取单盲同行评审,一审周期约为15.1天,文章从接收到发表仅需3.4天。

(来源:科学网)

 
 
 
特别声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,请与我们接洽。
 
 打印  发E-mail给: 
    
 
相关新闻 相关论文

图片新闻
中国超重元素研究加速器装置刷新纪录 彩色油菜花又添7色!总花色达70种
考研复试,导师心仪这样的学生! 地球刚刚经历最热2月
>>更多
 
一周新闻排行
 
编辑部推荐博文