Otimização da Atenção Otimizada, Alocação de Recursos em Nuvem Baseada em Rede Convolucional Otimizada Otimizada, TIoT Suportado para Sistema de Monitoramento de Saúde dos Estudantes

Surya Prakasa Rao Reddi; Srinivasa Rao P; S Suguna Mallika; Dileep Pulugu; Mantri Gayatri; Vimala Kumari G

doi:10.3791/69389

Research Article

Otimização da Atenção Otimizada, Alocação de Recursos em Nuvem Baseada em Rede Convolucional Otimizada Otimizada, TIoT Suportado para Sistema de Monitoramento de Saúde dos Estudantes

DOI:

10.3791/69389

⸱

January 30th, 2026

Surya Prakasa Rao Reddi¹ , Srinivasa Rao P² , S Suguna Mallika³ , Dileep Pulugu⁴ , Mantri Gayatri⁵ , Vimala Kumari G⁶

¹Department of Electronics and Communication Engineering, Gayatri Vidya Parishad College of Engineering (A), ²Department of Computer Science and Engineering, MVGR College of Engineering (A), ³Department of Computer Science and Engineering, CVR College of Engineering, ⁴Department of Computer Science and Engineering, Malla Reddy College of Engineering and Technology, ⁵Department of Computer Science and Engineering, Koneru Lakshmaiah Education Foundation, ⁶Department of Electronics and Communication Engineering, MVGR College of Engineering

Erratum Notice

Important: There has been an erratum issued for this article. Read More ...

Erratum

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Formal Correction: Erratum: Optimized Attention Enhanced Temporal Graph Convolutional Network-based Cloud Resource Allocation Supported IoT for Students' Health Monitoring System
Posted by JoVE Editors on 3/27/2026. Citeable Link.

This corrects the article 10.3791/69389

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este protocolo descreve uma rede convolucional otimizada com gráficos temporais aprimorados por atenção para monitoramento da saúde estudantil baseada na Internet das Coisas (IoT) baseada em nuvem.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

As progressões na tecnologia dos sensores abriram caminho para a rápida expansão das aplicações da Internet das Coisas (IoT) para construir sistemas de monitoramento comportamental e fisiológico, como um sistema de monitoramento de saúde estudantil baseado em IoT. O status de observação da saúde dos estudantes é necessário porque o número de estudantes que sobrevivem à solidão está aumentando em grandes áreas geográficas. Este artigo de pesquisa apresenta uma abordagem chamada Internet of Things for Students' Health Monitoring System (HMS-AETGCN-NGOA-IoT) com atenção otimizada aprimorada em grafos temporais aprimorados. O HMS-AETGCN-NGOA-IoT proposto é implementado usando o MATLAB. Para detectar o estado de saúde dos alunos, são consideradas métricas de desempenho como precisão, exatidão, pontuação F1, Recordação (Sensibilidade), Especificidade, Taxa de Erro, Tempo de Computação e ROC. A abordagem HMS-AETGCN-NGOA-IoT alcança 19,11%, 24,12% e 28,13% de especificidade maior; 24,93%, 23,04% e 9,51% menos tempo de computação; 15,2%, 25,45% e 13,91% valores de ROC maiores; e 8,45%, 20,98% e 27,55% mais de precisão em comparação com o Sistema de Monitoramento de Saúde existente baseado em Rede Neural de Passagem de Mensagens para Internet das Coisas (HMS-MPNN-IoT), Sistema de Monitoramento de Saúde baseado em Máquina de Vetores de Suporte para Internet das Coisas (HMS-SVM-IoT) e Sistema de Monitoramento de Saúde baseado em métodos de Rede Neural Profunda para Internet das Coisas (HMS-DNN-IoT), respectivamente.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Uma das áreas de pesquisa mais valiosas e empolgantes é a computação^{em nuvem 1}. Esse sistema de computação adquire serviços de estrutura e software, além de serviços solicitados pelos usuários da Internet². Vários clientes, incluindo as solicitações de computação em nuvem, estão crescendo dia após dia. Como resultado, aumentar a velocidade e a precisão da computação em nuvem é fundamental³. A computação em nuvem melhora o monitoramento do paciente⁴. A nuvem oferece uma base estável para tarefas de computação pesada e massiva, como armazenam....

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Todos os materiais, softwares e equipamentos necessários usados neste estudo são mencionados na Tabela de Materiais.

Aquisição e preparação de dados

O conjunto de dados utilizado neste trabalho é o Conjunto de Dados de Saúde Mental Estudantil, que foi obtido do repositório público^{Kaggle 26}. O conjunto de dados contém perguntas e respostas autorrelatadas coletadas de estudantes universitários, abrangendo informações demográficas, estresse acadêmico, padrões de sono e indicadores relacionados à saúde mental. Os dados incluem....

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Os resultados representativos validam a eficácia da abordagem proposta HMS-AETGCN-NGOA-IoT na identificação de questões sensíveis e não sensíveis de saúde dos estudantes. Maior precisão e valores de pontuação F1 comprovam a eficácia do mecanismo de atenção na rede convolucional de grafos temporais na identificação dos padrões temporais e relações das características de saúde. As curvas de alta especificidade e ROC garantem identificação precisa com menos falsos alarmes, e o menor tempo d.......

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

O modelo proposto HMS-AETGCN-NGOA-IoT demonstra um avanço significativo no monitoramento automatizado da saúde dos estudantes ao integrar efetivamente a aquisição de dados de IoT com uma sofisticada estrutura de deep learning. O núcleo do sucesso desse modelo está na Rede Convolucional de Grafos Temporais Aprimorados por Atenção (AETGCN), que foi especificamente projetada para lidar com a natureza complexa, relacional e dependente do tempo dos dados de saúde. Ao modelar os alunos e seus .......

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Os autores não têm nada a revelar.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Os autores não têm agradecimentos.

....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
Name	Company	Comments
MATLAB	MathWorks	R2023a ou posterior
Sistema operacional	Windows 10
Computador Pessoal	N/A	Memória 8 GB de RAM
Processador	Intel, Core i5
Conjunto de Dados de Saúde Mental Estudantil	Kaggle	https://www.kaggle.com/datasets/shariful07/student-mental-health

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Kondaka, L. S., Thenmozhi, M., Vijayakumar, K., Kohli, R. An intensive healthcare monitoring paradigm by using IoT-based machine learning strategies. Multimedia Tools Appl. 81 (26), 36891-36905 (2022).
Malarvizhi Kumar, P., Hong, C. S., Chandra Babu, G., Selvaraj, J., Gandhi, U. D.

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Otimização da Atenção Otimizada, Alocação de Recursos em Nuvem Baseada em Rede Convolucional Otimizada Otimizada, TIoT Suportado para Sistema de Monitoramento de Saúde dos Estudantes

In This Article

Erratum Notice

Erratum

Summary

Abstract

Introduction

Protocol

Results

Discussion

Disclosures

Acknowledgements

Materials

References

Reprints and Permissions

Tags

Related Articles