Compressão Adaptativa para Streaming de Dados de Saúde com IoT em Cidades Inteligentes

• Alexandre Andrade UNISINOS
• Rodrigo da Rosa Righi UNISINOS

DOI: https://doi.org/10.5753/eradrs.2025.6676

Resumo

A transformação digital impulsionou a telemedicina e o uso de dispositivos vestíveis para o monitoramento remoto de sinais vitais. Contudo, a transmissão desses dados em cidades inteligentes enfrenta desafios relacionados à largura de banda, latência e armazenamento. Para isso, em uma arquitetura em camadas (edge-fog-cloud) o modelo VSAC gere a transmissão simultânea e envia alertas de saúde de forma ágil. O modelo combina algoritmos de compressão com e sem perdas para otimizar a coleta e o envio de dados. Os testes demonstraram que o modelo é mais eficiente que métodos convencionais com ganhos de até 42% na taxa de compressão.

Referências

Chen, J., Zhang, X., Xu, L., de Albuquerque, V. H. C., & Wu, W. (2024). Implementing the confidence constraint cloud-edge collaborative computing strategy for ultra-efficient arrhythmia monitoring. Applied Soft Computing, 154, 111402.

Correa, J. D. A., Pinto, A. S. R., Montez, C., & Leao, E. M. (2019). Swinging door trending compression algorithm for iot environments. SBC.

Dowlatshahi, M. B., Rafsanjani, M. K., & Gupta, B. B. (2021). An energy aware grouping memetic algorithm to schedule the sensing activity in wsns-based iot for smart cities. Applied Soft Computing, 108, 107473.

Chang, Y., & Sobelman, G. E. (2023). Lightweight lossy/lossless ecg compression for medical iot systems. IEEE Internet of Things Journal.