Int ern at i onal  Journ al of Ele ctrical  an d  Co mput er  En gin eeri ng   (IJ E C E)   Vo l.   10 ,  No.   5 ,  Octo be r   2020 ,  pp.  4918 ~ 4927   IS S N: 20 88 - 8708 ,  DOI:  10 .11 591/ ijece . v10 i 5 . pp 4918 - 49 27          4918       Journ al h om e page :  http: // ij ece.i aesc or e.c om/i nd ex .ph p/IJ ECE   An i nn ov ativ e IoT  s er vice for  m ed ical  d iagnosis       Sa fi a Abb as    Depa rt m ent   o f  C om pute r  Scie n ce ,   Facu lty   of  C om pute r and  I nform at ion   Scie n ce s,   Prince ss   Nourah   bint Abdulra hm an  Univer si t y ,   K ingdom of  S audi  A rab ia ,   Ain  Sham s   Univer sit y ,   Eg y pt       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   J ul   16 , 2 019   Re vised  Ma r   16 ,   2020   Accepte d  Ma r   2 6 , 202 0       Due  to  t he   m isdia gnose  of  dis ea ses  that  in creased  re ce nt l y   i n  a  sca r i l y   m anne r,   m an y   re sea rch ers  d evot e d  the ir  eff orts  an d  depl o y ed  tech nologi es  t o   improve  the   m edi c al   di agnosis  proc ess  and  r educ ing  the   r esult ed  r isk .   Acc ordingly ,   this   pape r  proposed  arc hitect u re  of  a   c y b er - m edi c ine   servic e  for   m edi ca l   dia gnos is,  base d  intern et   of  thi ngs  ( Io T)  and  cl oud  in fra struct ur e  (Ia aS).   Thi s  ser vic e  off ers  a  s har ed  env ironment  for  m edica l   dat a ,   an d   ext ra ct ed  knowl edge   and  f indings   bet wee n  p at i ent s  and  doc tors  in  an   int er ac t ive,  sec ure d,   e la sti c  a nd  rel i abl e  wa y .   It  pre d ic ts  the   m edi c a l   dia gnosis  and  p r ovide s  an  appr o pria t e  tr ea tment   for  the   g ive n  s ym ptoms   and   m edi ca l   conditi ons  base d  on   m ult ipl e   class ifiers  to  assure  hi gh  accurac y .   Moreove r,   i t  entail s  different   fun ct ion al ities  such  as  on - demand  sea rch ing  fo r   scie ntific  pap ers   and  disea ses  desc ription  for  unre cognize d  co m bina ti on  of   s y m ptoms   using   web  cra wl er  to   enr ic h  the   r esult s.  W her e  such   sea rch i n g   result s  from   cr awle r,  are  proc essed,   an aly z ed   and  add ed  to  the   resid ent  knowledge   base   (KB)  to  ac hi e ve  ada p ta bi li t y   and  subs idi ze   t he  service   pre dictive  ab il i t y.   Ke yw or d s :   Cy ber - m edici ne   e - h eal th   IoT   Copyright   ©   202 0   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .    Al l   rights re serv ed .   Corres pond in g  Aut h or :   Safia  Abbas,    Dep a rtm ent o f C om pu te r  Scie nce ,   Faculty  of  C om pu te r  an d  I nf or m at ion   S ci en ces ,   Pr inces s  N oura h    bin t  A bdulra hm an  Un i ver si ty ,   Kingdom  o f  Saudi  Ar a bia ,   Ain Sham s Un iversity , Cair o, Egy pt.    Em a il :  sa m ah m ou d@pnu.e du.sa ,  sa fia_a bbas@cis.as u. e du.e g       1.   INTROD U CTION   In   s om e  instan ces,  m any  peo ple  su f fer   se ve rely   fr om   a  con diti on  bro ught   abo ut  by  m is diag nosis.   Mi sd ia gnos is r esults  in  s om e  conditi ons  w hi ch  co ul d  be  a voide d  by doin g  pro per  d ia gn osi s,  the o utc ome   m a y  resu lt   in  death   and  lo ng   li fe  disabili ti es.  A ddit ion al ly ,  sev eral  causes  le a d  to  m isdiagno sis,  su c h  as  di seases   that  exit  regu la rly ,  inadequ at e  inform ation   ab ou t  the  pa rtic ular  il lnes s,  an d  m iss  or de rin g  of  re quire d   la borator y  te st.   Re searche rs  ha ve  m ade  us e  of   data  sci ence ,  inter net  a nd  inf or m at ion   te chnolo gy  to  dis cov e r  pro per   rem edies  fo r  s uc h  m isdiagnosis  em erg encies  that  incr eases  day  by  da y.  Ba sed  on   t he  resea rch   done  by  sp eci al iz ed  aut hors  who  ha ve   earn e d  the  tr ust   of   tra pp i ng   data  sci ence,  m isdiagnosis  c auses  se ver al   pro blem s   fo r  patie nts.  A dd it io nally ,  it   has  bee n  note d  that  sever al   sci entifi c  te r m s  t end   to  s how  ap pro pr ia te   strat egies  in   the  healt h  do m ai n  that  app l ie s  su ch  te c hn ologies.  T he  r esearche rs  i ntr oduce d  the  im plem entat ion   of  te rm s,   su c h  as  e Healt h  [ 1 - 3]  an d  m Healt h  [ 4,   5].  Howe ver,  cy be r  m edici ne  ha s  bec om e  the  m os t  widely   app li ed  te chn iq ue  i n  t he  present  days  [6 - 8].     Applic at ion   of   cy ber  m edicin e  in   the  ea rl y  nin et ie s,  w hi ch  re pr e sents   the  e Healt h,  intr oduce d    the  a pp li cat ion  of  i ntern et   co m m un ic at ion   t o  deliver   a  he al th  care   syst em   est ablished  base d  on  a  dis si m il ar  com pu te r  data base  a nd  for be arin g  m anag e m ent  ap plica tio n  to gethe r  by   the  inte rn et   [9 - 13] .  A fter wards,     Io T   te ch no l ogy  was  intr oduc ed,   w hich  ac com m od at ed  di ff ere nt  ob j ect s  fixe d  with  s of t war e,   sen sor  a nd   netw o r k  c onne ct ivit y  m a inly   to  co op e rate  f or   data  c ollec ti on   a nd  exc ha nge  [ 14 - 16 ] .  M any  ap plica ti on s  that   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       An  i nnov ative  IoT  se rvi ce for   med ic al d i agnosis  ( Safi a  A bb as )   4919   te nd   to  a pply   su c h  te ch niques  in  t he  he al th  do m ai n  ha ve  bee n  in ve ste d  in  healt h  do m ai n  su cc essfu ll y.     Io T  te ch nolo gy   al lowed   deli ver y  of  ser vice s  to  patie n ts,  thr ough  the  int ern et .  Also ,  t he   te chnolo gy  al lowed   patie nts  to  sto re  inf or m at ion  relat ing   to  th ei r  healt h  co ndit ion s  for  use   by  sp eci fic  consulta nts.  M edical   serv ic es  wer e  therefo re  co nducted  th rou gh   the  internet,  w it ho ut  nec essar il y  seei ng   the  do ct or   face  t o  face.   Diff e re nt  s hortcom ing s  res ulted  th r ough  the   ap plica ti on   of   I oT  te c hn i qu e ,  s uch  as  le a kin g  of  t he  patie nt ’ s   pr i vate  in form at ion   t hroug h  the  transm issio n  m edia.  Io T   con ce pt  inclu ded   f unct ion al   resour ces  s uc h  as  sens or ,  s of t wa re,  an d  netw ork  co n necti vity ,  wh ic h  c omm un ic at es  to  each  oth e r  f or  data  colle ct ion   an d  exch a nge  [ 17,  18 ] .  Applic at io n  of  I oT  co nce pt  res ults  into  so m e  add ed  a dvanta ge,   s uch   as  rem ote  con trol  of  patie nt’s  healt h  a nd   fitness  inf or m at ion ,  a n  al ert  c onditi on  duri ng  an  e m erg ency,   an d  rem ote  co ntro l   of   sign ific a nt  m e dical   treatm ent  par am et ers.   I oT  be com es  ben efici al   in  the   healt h  care  do m ai n  since  it   app li es  t h e   p o w e r   o f   t h e   i n t e l l i g e n c e   a n d   s m a r t   d e v i c e s   l i k e d   t o g e t h e r ,   f o r   t h e   p r o v i s i o n   o f   e f f e c t i v e   i n f o r m a t i o n   r e p o s i t o r i e s .   T h e   s i g n i f i c a n t   i n f o r m a t i o n   i s   t h e n   e v a l u a t e d   a n d   a n a l y z e d ,   f o r   e f f e c t i v e   u s e   i n   t h e   h e a l t h c a r e   d o m a i n .   Currentl y,  the   idea  of  cl oud  com pu ti ng   i n  the  eHealt h  dom ai n  is  la rg e ly   sp rea d.   It  c om pr ise s  of   sever al   la ye rs   inv ol ving  cl oud  c om pu ti ng  infr ast r uct ur e   (I aaS )  an d  s of t war e  as  a  serv ic e  ( SaaS )   la ye rs.     The  m ai n  act ivit y  involves   the  pro vision  of  upgr a da ble,   require d,   a da pt able  an d  prote ct ed  at m os ph e re  f or   healt h  care  do m ai n  that  gu ar antees  reduce d  exp e ns es  an d  protect ed  ser vi ces  [16,   19 - 21 ] .  Su ch  act ivit ie s  are   consi der e d  as  t he  m ai n  con cer n  an d  sig nifica nt  chall en ges  i n  cy ber   m edici ne  sect or.  Cl ou d  com pu ti n g  m ai nly   cov e rs  a  wide  range  of   act ivi ti es  as  com par ed  to  cy ber   m edici ne  w hic h  is  lim i te d  to  som e  extent.  Acc ordi ng   to  the  resear ch ers,   t he  im ple m entat ion   of  I oT  base d  cl ou d  dicta te s  a  w el l - groun ded  de ci sion - m akin g  m od el   that  acce ss  ce rtai n  be ne fits,  su c h  as  data  colle ct ion   a nd  ada ptati on,  avail abili ty   of  data,  in  w hich  bot h    the  patie nts   a nd  co nsult ants   can  ha ve  ac cess  to,   ef fecti ve  data  sh a ring  an d  t ran s m issi on ,  a nd  secure   transm issi on   of  data  be twee n  diff e re nt  par ti es.  Re searc hers  sugg est   the  i m ple m entat ion   of   cl ou d  com pu ti ng   con ce pts,  m ai n ly  f or ef fecti ve  operati on i n  th e h eal th  dom ain .   The  rest  of   thi s  pap e r  is  orga nized  as  fo ll ows:  Sect ion   2  pro vid es  a  li te ratur e  s urvey  in   the  IoT  a nd     e - healt h.  Sect ion   3,   e xpla ins  the  diag nosti c  Ser vice  Bl ock   Diag ram   and   it s  functi onal it ie s.   Sect io n  4  presents   the  interact io n  of  the  us e rs   an d  the  ser vice  with   scr eens ho ts.   Sect ion   5,  gi ves  the  co nclu sio n  a nd    the futu re  wor ks .       2.   RELATE D  W ORK   Re centl y,  num ero us   stu die s  and   ap plica ti on s  ha ve  been   c onduct ed  on  and   pro vid e d   as     Ho m e - diag nos is  In  rece nt  ye ars,   div e rse   resea rch es   a nd  ap plica ti ons  of  I oT   an d  inter net - ba se d  cl ou d  infr a struct ur e   us in g  big   data  con ce pts  as   a  Ho m e - diag nos is  serv ic e  ha ve   bee n  c onduct ed  a nd   ap plied.   Seve ral   of  the   stu dies  c on ce r ned  are   ba sed  on how  t o  util iz e  the IoT ,  w hic h  m on it ors  a nd  a naly zes  the p at ie nts’ h eal th  conditi ons  a nd  pro vid e   al erts   f or   a ny  c riti cal   cases.  Wh il e  sever al   othe r  a pp li cat io ns   a nd  st ud ie s  m entione d  are  how  t he  cl oud  i nfrastr uctur e   ( IaaS)  an d  big  data  a re  dep l oyed  i n  t he ir  a ppli cat ions  in  orde r  to   a chieve   a p e rv asi ve,   on - dem and  se r vice with  secu re  da ta  tran sm issi on  c hannels.   The  aut hors  i n  [ 2 2 ]   re gard   the  m ai n  aspect  of   IoT  as  connecti ng  heter og e ne ou s   entit ie s  and  assem bling   la rg e  am ou nts  of  data,  th us   sai d,   i n  co ntext  t o  the   e - healt h  en vironm ent,  IoT  is  re gard ed  a s     the  proce ss  of connecti ng d at a  ab ou t  the   pat ie nt  to  facil it at e  treatm ent  effe ct ively   and   e f fici ently ,  as  we ll   as  to  receive  m or e  com pr ehe ns ive   know le dg e .  T he  auth ors  il lum inate   that  in evita bly  healt hc are  perso nnel   will   hav e   m utu al   knowle dge  a nd  acce s sibil it y  to/f or  a  patie nt' s  data.  T he   aut hors  pro po s e  a  sm art  rem ote  diag nosis  deci sion   s upport  m od el ,  wh ic h  de plo ys  the  pr ovided  visi ons  of  Io T  to  the  e - he al th  env ir onm ents .   The  pr opos e d  m od el   seem s   to  be  ad apti ve;  the   aut hors  offe red   no   sp eci fic  guid el ine,  m e tho dolo gy,     or   te c hniq ue  f or   t he  decisi on   m aking   proc e ss  of  the   sm art   m od el .  This  pa per   offe red  a n  a bs tract   ob se rv at io n  of   c omm on   issues  in  the  cl oud  en vir on m ents,  i.e.,  sec ur it y  in  the  transm i ssion   of   data  and   t he   avail abi li ty   of  data, as  w el l as  quickly  cit ed pre - existi ng s ol ution s .   The  a uthors  i n  [2 3 ]   ta rg et e d  people  in  S uboptim al   Healt h  Stat us   (SHS ),   known  as  “t he   third   sta te ”,   wh ic h  m eans  to  be  betwee n  the  sta te   of   bein g  healt hy  and   fall in g  il l.  To  ai d  peopl e  in  getti ng   di sease  pr eca utio n  knowle dge  easi ly ,   they   de velo pe d  ho m e  sel f - ca re  se rv ic es  bas e d  on  their   des ign   of  a  distrib ute d  Luce ne - base d  search   cl us te r   wh ic h  dep l oys  the  cl oud  Ia aS.  U sin g  this   desig n,   t hey  are  able  t o  ac hieve   scal abili ty   dat a  retrievin g,   a naly sis,  an d  pr ivacy   protect io n.   F or   data  an al ysi s,  the  appl ic at ion   us es  f or m al   con ce pt  c om pu ta ti on   a nd   bl oo m   filt er  signa ture.   T heir  a ppli cat ion   not  only   prov i des  a n  on - dem and   s tora ge  m od el   bu t  al s o  pr ov i des  a n  el ast ic   scal able  m od el   that  m anag es  the   r us h  ho ur   acce ss.  O n  t he  ot he r  ha nd,  howe ver,  an  offli ne  L uce ne  data  file   is  ne eded   t o  be  pr o cesse d  aut oma ti cal ly   or   m a nu al ly .  Alt hough  a n  autom at ic   fo r m at ion   f or   s uc h  a  file   ap pears  to  be  diff ic ult,  it   is  sti ll   has  the  abili ty   to  e njo y  the   el ast ic it y  bu t   loses it s self - a dap ta ti on  wh il e in the  onli ne   m od e.    The  a uthor s  pr esent  a  s urvey  in  [ 2 4 ]   t ha t  dis cusses  t he  po te ntial   chall en ge s  that  co uld  be   faced   us i ng  rem ote  m on it or in g  te ch nolo gi es  that  prese ntly   exist  an d  im plem enting  the m   in  I oT  a nd  c loud  e nv i ronm ents.   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &   C om p  En g,   V ol.  10 , No .  5 ,  Oct ob e r 2 020  :    49 18   -   49 27   4920   Po te ntial   chall eng e s  m entioned   thr ough ou t   the  i m ple m en ta ti on   co uld   be ;  the  la te ncy   of   da ta   tra nsfer  on     tim e - crit ic al  task s  of  ag gr e gat ed  data,  heter ogene ous  data  acqu isi ti on  fro m   an  arr ay   of   r eso ur ces  an d  s ens or s,   nu m erous  am o un ts  of   data  a nd   a naly ses  from   Io T  based  sensors  in  rel at ion   to  both  m achine  le arn i ng   a nd   visu al iz at ion   phases  in  ord e r   to  receive  the  m os t  accurate  diagnosis.  More ov e r,   the   authors  disc usse d    the  be ne fits  an d  po sit ive  heal th  im pact  of   he al th  m on it or ing  an d  t he  m a nag em ent  of  usi ng   I oT  se ns i ng  with   cl oud  pro cessi ng,  f ur t her m ore,  offer i ng  a  pr oacti ve  sc hem e  for  the  progn os is  of  disease s  at   it s  incipie nt  sta te ,   al ong  with  pre ven ti on,   c ur e,   and  c om pr ehe ns ive   m anag em ent  of  he al th   over   disease .  This  s urvey  e xh i bits  per s onal iz ed  m anag em ent  and   t reatm ent  a pp li cable  t o  a   patie nt' s  sp ec ific   ci rcu m stan ces,  w hich  al so   ai ds  healt h  ca r e  org anizat ion s  in  t he  r e du ct io n of  cost a nd subsi di zat ion .   The  a uthors  i n  [2 5 ]   pro posed   a  m ob il e  healt hcar e  a pp li cat ion   that  m on it or s  a nd  dia gnose s  diabete s   and  the   seve rity   of  the  diseas e.  T he  a uthors  pro pose  us in g  a  ne w   hy br id   te chn iq ue   cal le d  F uzzy  R ul e - base d  Neural  Cl assif ie r  as  a   decisi on  s upport  sys tem   fo r   dia gnos in g.  T he  m od ule   f or  the   de ci sion - m akin g  dat a   red ist ri bu te s  a  reposit ory   of  da ta   set s/reco rds  of  diabetes  s ym pto m s  retrieved   f ro m   experim ental   data   from     the  UC I  reposi tory,  hosp it al s,   an d  se nsors   f r om   wear able  de vices  at ta che d  to   the  hum a n  body.  This  da ta   is  store d  in  a  cl oud  e nvir on m ent  in  a  Ha doop  file   syst em   t o  ve rify  scal a bili ty .  To  ens ure  the  pr otect ion   a nd  confide ntial it y  of  th e  patie nts'   m edical   reco r ds   m ulti ple  encr y ption / dec ryptio n  m et ho ds   a re  im ple m ente d.   Althou gh   this  pro po se d  m ob il e  app li cat ion   is  a  decisi on   s uppo rt  syst e m   t hat  easi ly   enj oy s  con fi den ti al it y  and   scal abili ty ,  howev e r,  it   la cks   a  necessa ry  in te ll igent  infl ue nce  i n  pr e dicti on,  as   yo u  m us t  go  th r ough  m ulti ple   cl oud  repo sit or ie s  in  sea rc h  of  m at ches.  A n  intel li gen t  fact or  is  need e d  i n  pr e dicti ng  ne w  cases   that   do  not  so le ly   resu lt   in  the  Ha doop   DB  file   syste m .  Ba gg in g  Boo tst ra ppin g  m ay  increase   bette r  accura cy   in     the  decisi on  m aking   proce ss,  in  w hich   m or e  than  on e  cl assi fie r   is  i m ple m ented  as  co ns ul ta nts  in    the d ia gnos i ng  process .    The  a uthors  in   [26]  pr opos e  an  in dustria l  I oT  dr i ven   heal thcare  ec os yst e m   ref er red  to  as  Heath I oT,  wh e re  tw o  dis ti nct  sh are hold ers  are   li nk e d  to  f or m   a  co m plex  Healt hIoT  ec os yst em ,   sh a reholde r s  from   var yi ng  par ti e s  co ns ist   of,  ph a rm aceuti cal  and   healt h  i ndus t ry  orga niz at ion s,  t o  pati ents  an d  s peci al ist s .   Con ce ntrati ng  on   EC G  analy sis,  the  auth ors  us ed  waterm ark i ng   process es  and   wav el e t  transfor m at ion   to   secur e  data  bot h  di gital   analy zed  an d  a na lo g.  Exam ples  of   su c h  ECG  m anipu la ti ons  ha ve   al so   bee n  pr opose d  by  m ulti ple  authors  in  [2 3 ,   2 5 ,   26 ] .  H ow e ve r,   a uthors  i n  t his  resea rc h  re m ark ably   ha ve   an  a dv a ntage  du e  t o  waterm ark ing  for  data  tra nsm issi on   of  EC G  sig nal  thr ou gh   t he  cl ou d.   Au t hors  e xp ec t  us in g  su c h  H eal thIo T   ecosyst em   wil l  no t  only   al low  sec ure  an d  fast  data  tr ansm issi on s  be tween  par ti es   bu t  offer   rea l - tim e   m on it or ing an d av oid   unnece s sary hos pital  an d h um an  erro rs.   The  pro pose d  Io T  ser vice   is  set   up   throu gh   var io us  ty pes  of   se ns ors,  M 2M  o r  rem otely ,    for  the  m on it or in g  of   th e  pat ie nts’  healt h,  i.e.,  ECG  for  he artbeat  dis ord er  detect ion.  T his  ser vice  will   no t  on ly   ai d  patie nts  bu t  al so   s pe ci al ist s  and   healt hcar e  pro vid ers ,  the  ser vice  pr ovi des  th e  abili ty  to  m a neuve r   betwee n  ass or t ed  ty pes  of  dat a,  scans  (im agi ng),   dig it al   an d  anal og,  th us   offer i ng   a n  ar r ay   of   f unct iona li ti es,   su c h  as  but  not  lim it ed  to  diag nosis  thr ough  sym pto m s   analy sis,  disease  predict io n  thr ough  patie nt  dat a   m on it or ing,  a nd  prob i ng  f or   i nfor m at ion   on  sp eci fic  sym pto m s  an d  diseas es.  F ur t her m ore,  this  propose d  I oT  serv ic e  diag nosti c  pr oce ss  is  est ablished  t hroug h  the  us e  of  the  baggin g  bootstra p  c on ce pt,  al lowi ng   m ulti ple  cl assifi ers  to   e xpos e   the  i nter op e ra bili ty   a m ong  a   co ntrast  of  sym pto m s,  thu s ,  directi ng  t o  the   m os t  id eal   and  favor a ble  diag no sis   f ro m   vari ou s  re po sit ori es  of  the  patie nts'   data,  pr ov i ding  high  acc uracy   in  the   de ci sion   m aking   proces s.       3.   DIAGN OSTI C  SE RVICE  BL OCK   DI A GRAM   The  pro posed  m edical   diagnostic   serv ic e  em plo ys  bo th  the  Io T  an d  the  cl oud  inf rastr uc tur e,  ai m ing  to  (i)  pro vi de  a  cy ber - m edici ne  ser vice  in  the  cl oud  la ye rs  as  softwa r e  as  a  serv ic e   (S aaS)  t o  sh a re  al l  extracte d  knowle dge  an d  fin dings  betwee n  diff e re nt  par ti es,  (ii)  harness  hybri d  m achine  le arn in g  te chn iq ues   to  analy ze  var i ou s   in pu t  data  ty p es  as  sym pt om s  and   pr e dic t  the  su it able  di agnosis,   (iii )  im pr ov e  t he  acc ur acy   of   the  decisi on  m aking   pro cess  by  ap plyi ng   dif fer e nt  cl assifi ers,   (iv)   offer   var i ou s  f un ct io nalit ie s  to  ai d  do ct or s  a nd   pa ti ents  searching  f or   ne w  diseases  and   unrec ognized  c om bi nations  of   sym pto m s.   The  ser vice   has  t wo   dif fer e nt  m od es,  ei th er  to   sin g  in   as   a  doct or  or  as   a  patie nt .  Eac h  m od e  has  it s   own   f unct ion a li ti es,  wh ic h  goin g  to  be  discusse d  la te r.   As  s how n  in  Fig ure  1,   t he  ser vi ce  con ta ins  t hr ee  m ai n  m od ules .   The follo wing  su bse ct ions  will  d isc uss sel ect ed parts  of the   serv ic e,  for m or e  detai ls see [ 27 ] .     3.1 .      Data pr ovider   (D P )  m odul e   This  m od ule  c on si ders  va rio us   in put/ ou t pu t   data  interact io ns   th r ough  the  whole  se rv ic e,  su c h  data  i s   gen e rated  fro m   m ult iple  IoT  sources  a n d  enjoys  diff e re nt  struct ur es  a nd   ty pe s,  see  [27]  f or   m or e  detai ls.  Wh e re,  f or  ECG  m easur ing ,  i t  is  an  op ti on al   ph ase  do ne  by   a  har dware ,  ar du i no   kit,  wh ic h  was  de sig ne d  an d  dev el op e d,   see   Fig ur e  2( a ),   to   fit  the  serv ic e  as  a  po rta ble  de vice  that  can  be  easi ly   plu gged  in.  Us ually ,  hear t   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       An  i nnov ative  IoT  se rvi ce for   med ic al d i agnosis  ( Safi a  A bb as )   4921   beats  an d  bl ood  press ur e  c onsidere d  as  an  i m po rtant  pr e - a naly sis  te st  fo r  patie nt  seve rity   conditi on s.  It  ai ds   in   pr e dicti ng  an d  disc ov e rin g  t he   crit ic al   cases   su c h   as   m yocard ia l  in far ct i on,  i f  the   patie nt   su f fers  f r om   chest   pain.  T he  Ard uino  kit  Fig ure   2  co nverts   the   A nalo g  data  i nto  di gital   one   an d  draws   the   co rr es pondin g  BPM   diag ram   si m il a r  to  the   ECG  pl oting ,   as  see n  in  Fig ur e  2(b ).   It  m easur es  the   hear t  beats  pe r   m inu te   (BPM)   and  plo ts  the  el ect r ocardio gr a ph  ( ECG)  f or  pri nt ing ,  as  do ct or s  can  rea d,   a nd   t hen   t he  res ulted  grap h  is  trac ed  an d  analy zed, by t he  m ast er classif ie r  a gen t,  to  s po t  on the  up - norm al  r eadin gs base d o n  Ta ble   1.           Fig ure  1 .   Dia gnos ti c s oft w are  as a  s e r vice  b l ock  d ia gr am         ( a)           ( b)     Fig ure  2 .  (a )  T he devel op e d s ens or ,   ( b)  T he plot  diag ram  f or BPM     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &   C om p  En g,   V ol.  10 , No .  5 ,  Oct ob e r 2 020  :    49 18   -   49 27   4922   Table   1 .   S ta tus  for  BPM  m eas ur em ents   BPM   Statu s   <6 0  pb m   Slo w   6 0 >= and  =<10 0   No r m al   >1 0 0   Fast       3.2 .      Master  c lassifier   ag e nt mod ule   This  m od ule  is  respo ns ible  of   c ontrolli ng  diff e re nt  cl assifi ers  based   on   the  ty pe  of  da ta   prov i de d  from  the D P m odule   as  foll ows:   -   An al ogue  a nd   scans  data:   bo t h  ty pes  of  dat a,  ei ther  anal ogue  gathe re d   by   sensors  or  s cann e d,   se nt  to   the  cl assifi er  CA1   th r ough  the  m ast er  cl as sifie r  age nt.  C A1   a naly ze  an d  im ple m ents  i m age  processi ng  te chn iq ues  i n  order   t o  re veal   the  dis order  inf or m at ion .   A s  seen  i n  Fig ure  3,  CA 1  c he cks  if  t he  data  analo gu e  or   Sc ans.   F or   t he  f orm er  ty pe,   it   c onve rts  the  ana logue  into  dig i t al   and   store s  it   in  the  form   o f  plo t  dia gr am   i m ages.  The n,  ei ther  plo t  di agr am s  or   scans'   i m ages  a re  proces sed ,  analy zed,  a nd   interp reted , s ea rch i ng for ab norm al  p at te rn s.           Fig ure  3. CA 1 pipeli ne c ha rt       -   Digital   data:   a ny   ot her   data  t ypes,  rather  th an  a nalo gu e   a nd  scan s,  c ons idere d  di gital   and  m anipu la te d   us in g  dif fer e nt   cl assifi cat ion   al gorithm s.  The  m ast er  cl assif ie r  age nt  gath ers  dif fer e nt  di gital   data  fr om  the  DP   m od ul e,  and   distrib ut es  the  req ui re d  ta sk s  bet we en  cl assifi ers  from   CA2   to  CA4 ,  for  m or e  detai ls see [ 27] .        3.3 .      In ferenc e m odul e   The  i nf e ren ce   m od ule  is  co nsi der e d  as  t he  data  la ke  f or   s ym pto m s,  diag no sis ,  diseases ,  kn ow le dg e   and   pe rsonal  inf or m at ion   of  diff e re nt  par ti e s,  associat e d  w it h  in - database   analy sis.  Wh e re,  the  data  is  store d  in  dif fer e nt  for m s  su ch  as  D BM S  struct ur e d  ta bles,   K no wled ge  base  ( KB),  an d  m et a - data  file s  as  a bs tract   descr i ption f or  the pre viously  stor e d kno wled ge.  T he  a naly sis o f  the  data is  done  t hro ugh  t he data  b as e en gine   that  interact s  with  th e  cl assif ie r  m od ule   to   r eply   the  querie s.  I f  t he  e xisted  data  is  no t   s uffici ent  to   ext ract  th e   require d  know le dg e   f or  the   qu e ries,   the  e ng i ne  will   r un  a  Web  cra wl er  to   sea rch  f or  the  m os t  re le van t   knowle dge  require d  to  r e ply t he qu e ry.  For  m or e d et ai ls ab ou t  dif fer e nt  phases   a nd inte r op e ra bili ty  see   [27].       4.   SERVICE - U S ER I NTER A CTIO N  E X A MPLE   Her e  is   a n  init ia l   ru n  f or   the  pro po se d  se rv i ce,  in  w hich ,  a   real  interface  screen  s hoots  i s  entai le d  to   sh ow  the  i nter act ion   of  the  s erv ic e  with  the   us ers ,  ei ther  pa ti ents  or   do ct or s .  O ur   il lustr at ion s  are  wr it te n  in   it al ic  f on t.   User >>  ru n  the  progr am .   As show n  in  Fi g ure   4,  t he  sta r t u p me nu ap pe ar e d   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       An  i nnov ative  IoT  se rvi ce for   med ic al d i agnosis  ( Safi a  A bb as )   4923       Fig ure  4. The  s ta rt - up  window       Now us ers hav e fou r opti ons, f or  simp li ci ty , we wi l l sho w t he  m od e  th at is su it ab le  for  bo th u sers (p atient and   do ct or s) .   User >>  press  m easur em ents b utto n   Ser vice>>  r ea ds t he  se nsor  sig nals a nd con ve rt them  into  B PM  diag ram   as seen  in Fi g ure  5.             Fig ure  5. BPM   c ha rt       Th e cl as sif ie r  ag e nt wil l a na l yze the re adin gs a nd   s pecif y if  there is  a dis order.   User >>  cho os e   Diag nose   Ser vice>>   Fig ur e   6   is s how n .           Fig ure  6 .  G e nd er   s el ect io n   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &   C om p  En g,   V ol.  10 , No .  5 ,  Oct ob e r 2 020  :    49 18   -   49 27   4924   User >>  sup pos e that  fem al e   is sel ect ed     Ser vice>>   interact   with  the  us er  t o  sel ect   sp eci fic  pa rt  of  the  bo dy  to  be  dia gnos e d,   and   t hen   t he  r el at ed   com m on  sy m pto m s w il l be show e d.   User >>  selec t  so m e sy m pto m s as s how n  in   Fig ure  7.           Fig ure  7 .  Rel at ed  sym pto m s p resen at io n       If  the  sym pt oms  m atc h  any   pr e - exi sti ng  disease  i n  the   K B  wi th  high  acc uracy,  t he  servi ce   w il l  sh ow     the d i agnosti c  results .   Ser vice>> sho w  the  relat ed   diseases  an d  order e d  them   fr om   hig he st  prob a bili ty   t o  lowe st,  as  s how n  in     Fig ure  8.           Fig ure  8. Dia gnos is   res ults  order e d         If no  m atch  f ound, th e  servic e  init iate t he  cr aw le r to  se ar ch   throu gh the we b abo ut most  r el evan t  diag nosis.   Ser vice>>  pres ent the  res ults  base d on cra wling ,  as i n  Fi g ur e  9(a) a nd Fi g ure  9(b) .   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       An  i nnov ative  IoT  se rvi ce for   med ic al d i agnosis  ( Safi a  A bb as )   4925     (a)       (b)     Fig ure   9 .  (a )  R esults d oes  not  m at ch  with s pe ci fic p re determ ined   acc uracy ,   ( b )  Re s ults ha ve  b ee n fou nd       Suppose  th at t he user is  a  pre ntice  doctor , w ho wa nts to  k no w  sp eci fi c in formati on  about s pecif ic  sympto ms  or   disease   Ser vice>>  en a ble user t o  sea r ch fo r disea se  by n am e o r  sea rch f or sp eci fic sym pto m s   User >>  cho os e  sym pto m s n am e and   w rite  “it ching  t he  s ki n”,  a s s how n  i n  Fi g ure  10(a )   OR   User >>  cho os e  d ise ase a nd  wri te  “cancer”, as  shown i n  Fi g ure  10(b)   User >>  pr ess   Searc h bu tt on         (a)     (b)      Fig ure  10 .  (a)  Searc h by sym pto m ,  (b)   Sea r ch by disease   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &   C om p  En g,   V ol.  10 , No .  5 ,  Oct ob e r 2 020  :    49 18   -   49 27   4926   Ser vice>>  cra wl for t he res ults an d  s how  t he  p e rtinent i nfo rm ation  afte r  proces sin g,  as  s how  i n  Fi g ure  11(a )  and Fig ure  10 ( b) .           (a)   (b)     Fig ure  11 .  (a)   Crawl er   res ult s   after  proces sin g for the  ide ntifie d  sym pto m ,    (b)  C ra wl er   res ult s   f or the i de ntifie d disease       5.   CONCL US I O N    The  pe r vasive ness  of  m isdia gnos es  a nd  it s  undesire d  co nse quences  of   wrong  treat m e nt  that  coul d  le ad  to  death  or  li felong  disa bili ti es  pr opel   researc hers  in  the  cy ber - m edici ne  do m ai n  to  harness  te ch nolo gy   and   reduce  t he   risk  of   m is diag noses.  T hi s  pap e r  prop ose d  a  ne w  cy ber - m edici ne  serv ic e  for  m edical  diag nosis  as  SaaS  m edical  layer  on   cl oud  I aaS.  The  se r vice  m ai nly  con sist s  of   thre e  m ai n  m od ules,   dat a   pro vid er   m od ul e,  in  w hich   he te rogen e ous   t ypes  of  data  a re  ente red  by  diff e re nt  ty pes   of  us e rs  us in g  M2M  sens or s   data,   scans ,  or  di gital   data.  M ast er  cl assifi e r  age nt  m od ul e,  w her e  m ulti ple  cl assifi ers  are   i m ple m ented  to  im pr ov e  dec isi on   m aking   process  a nd  m ini m iz e  the  m i sd ia gn os e  ris ks.   I nf e ren ce  m odule,   that  con ta in s  th e  data  en gin e  a nd  d at a  sou rce s  for  al l  us er s  a nd  n ee ded  d ise ases  inf or m at i on,  it   us es  cra wler  to   search  f or   unre cognized  c om bin at io n  of  sy m pto m s  and   adap t  it sel f  wit h  new   fin dings.  Desp it e  the  propose d  serv ic e  is  in  the  early   i m p l e m entat ion   ph ase,  it   aims  t o  ve rify  the  avail abili ty ,  on  dem and ,  secu re  data  transm issi on ,  and   m or e  acc ur at e  diag no si s,  not  only   for  patie nts  bu t   al so   f or   s pec ia li st  and   heal th  care  pro vid er s.  Mo r eov e r,   the  se rvi ce  of fe rs  va riou s  functi ons  to  ad d  m or e  fle xib il it y  su ch  as,  but  no t  lim ited  to ,   diag nosis  thr ough  sym pto m s   analy sis,  dise ase  pr e dicti on   thr ough  patie nt   data  m on it ori ng ,  a nd  pro bi ng   for   inf or m at ion   on   sp eci fic  sym pto m s  and   disea ses.   I n  the  fu t ur e ,  detai ls  of  pr e processi ng,  i m ple m entat io n  an d  decisi on m aking   processes  are  goin g  to  b e  d i scusse d  a nd a na ly zed in   detai ls.       ACKN OWLE DGME NT   T h i s   r e s e a r c h   w a s   fu nde d   b y   the   D e a n s h i p   o f   S c i e n t i f i c   R e s e a r c h   a t   P r i n c e s s   N o u r a h   b i n t   A b d u l r a h m a n   U n i v e r s i t y   t h r o u g h   t h e   F a s t - t r a c k   R e s e a r c h   F u n d i n g   P r o g r a m .       REFERE NCE S     [1]   O.  Verm esa n  and  P.  Friess ,   “ Digit izing  The   Industr y   Int ern e t  of  Thi ngs  Co nnec t ing  the   P hy sic al,   Digit a l  a nd   Virtua l   W orlds , ”   Rive r   Publisher s,   2016.   [2]   S.  Kum ar,   e t al . ,   “ Mobile   health:  Revol uti on iz ing   hea l thc ar e thr ou gh  tra nsdisc ipl in ar y   rese arc h ,”   C omputer ,   vol .   46 ,   no.   1 ,   pp .   28 - 35 ,   2013.   [3]   P.   Chat te r jee  a nd  R.   L.   Arm ent ano ,   “ Inte rn et  of  thi ngs  for  a  sm art   and  ubiqui tou s  eheal th   sy st em ,”   i n  7 th   Inte rnational   Co nfe renc e  on  Co mputati onal  In telli gen ce  and  Co mm unic ati on  Ne tworks  ( CICN ) ,   Jabal pur,  Ind ia ,  pp.   178 - 183 ,   20 15.   [4]   P.  Verm a  and  S.   K.  Sood ,   “ Clou d - ce ntr ic   Io T  b a sed  disea se   dia g nosis  hea lt h ca r e  fra m ework ,”   Jo urnal  of  Ambi en t  Inte lligen ce and H umanized  Computing ,   vol .   9 ,   n o.   5 ,   pp .   1293 - 1 309,   2017 .     [5]   D.  Hail e y ,   e t  al. ,   “ A  rev ie w  of  guide li n es  for  ref err al   of  p at i ent s  to  slee p  l abor a t o rie s  [technol og y  rep ort  no  55] ,”   Techni ca l  report ,   Ottawa:   Canad ian  Coordinati n g  O ffi c e  for   Hea lt h  Te chnol ogy   Assess ment ,   200 5.     Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       An  i nnov ative  IoT  se rvi ce for   med ic al d i agnosis  ( Safi a  A bb as )   4927   [6]   G.  L.   Kreps  and  L.   Neuh ause r ,   “ New  dire ctions  i n  eHe alth  comm unic a ti o n:  Oppo rtuni ties  and  challe ng es ,”   Pat i ent   Educ ati on   and  C ounseli ng ,   vol .   7 8,   no .   3 ,   pp .   329 - 336,   2010 .     [7]   S.   M.  R.   Islam,  et   al.,   “ The   in t ern et   of  th ings  for  hea lt h  ca r e:   A  comprehe nsive  surve y ,”   I EE E   Ac ce ss ,   vol .   3,     pp.   678 - 708 ,   20 15.     [8]   D.  La ke ,   e t  al.,   “ Inte rne t  of  th i ngs:  Archi tectur al   fra m ework  f or  ehe a lt h  sec ur ity ,”   Journal  of   ICT ,   vol.   3&4 ,     pp.   301 - 328 ,   20 14.   [9]   M.  Sham im   H.   and  G.  Muham m ad ,   “ Cloud  assisted  industri a l   int ern et   of  thi n gs  (IIoT )  ena bl e d  fra m ework  for  hea l th  m onit orin g ,”   Comput er  Ne tworks  Journal ,   vol.   101 ,   pp .   192 - 202,   2016 .     [10]   Z.   Kirta v a,   e t  al .,   “m hea lt h  for  ca rdiac  patie nts  te le m onit ori ng  and  int egr a t ed  ca re ,”   i n  15 th  Inte rnationa l   Confe renc e  on  e - Healt h  N et wo rking,   App li ca tions   and  Serv ic e s  (Heal thc om  2 013) ,   Lis bon,   Portugal ,   pp .   21 - 25,   2013.     [11]   J.  Moham m ed,   et   al . ,   “ Inte rne t  of  thi ngs:  Remote  pat i ent   m onit ori ng  using  w eb  se rvic es  and  cl oud   computing ,”   i n  IEE E  Int ernational  Confe renc e  on  Inte rnet  of  Things   ( iTh ings  2014)   an d  IEE E  Gr ee n   Computing  and  Comm unic ati ons ( Gr ee nCom )   and  IEEE  C ybe r,   P hysic al   and  So cial  Computing   ( CPSCom) ,   pp.   25 6 - 263 ,   20 14 .     [12]   S.  Uribe   and  R.   J.  Marino ,   “ Inte r net   and   informat ion  technolog y   u se  b y   dental  stud ent s in  Ch il e ,”   E urpoean  Journal   of  Denta l  Edu ca ti on ,   vol. 10 ,   no .   3,   pp.   162 - 168,   2006.   [13]   M.  Ri y adh ,   et   a l. ,   “ Archi t ec t ing   the   Inte rne t  of  Thi ngs:  Stat e  o f  the   Art, ”   Boo k  cha pte r  in  Ro bots  and  Sensor   Clouds,  Springer   Inte rn at ion al Publishing ,   vol. 36, pp. 55 - 75,   2015 .     [14]   W .   Li n,   e t  a l.,   “ A  cl oud - base d   fra m ework  for   hom e - dia gnosi s   service  over   bi g  m edi cal  da ta ,”   The  Journal  of   Syste ms   and  Sof t ware ,   vol .   102 ,   p p  192 - 206,   2014 .   [15]   I.   K.  Indra jit  an d  S.  Nangpa l.   “C y ber m ed ic in e  and  c y ber he al t h ca re ,   r eview  of  m edi ci ne  on  the  int ern e t ,”   M ed i cal   J ournal,   Armed Forces  India ,   vo l.   57 ,   no .   3 ,   pp .   2 15 - 220,   2001 .     [16]   I.   Ishaq,   e t  al.,   “ Inte rne t  of  th ings  virt ual   ne t works :  Bringi ng  net work  virt ua li z at ion  to  r esourc e - constr ai n ed   devi c es ,”   i n  IE E E  Inte rnationa l  Confe renc e  on  Gr ee n  Computing  and  Comm u n ic ati ons   ( Gr ee nCom) ,   Be sançon,   Paris ,  pp.   2 9 3 - 3 00,   2012 .   [17]   M.  Hass ana liera gh ,  e t  a l.,   “ He alt h   m onit oring  an d  m ana gement  u sing  int ern et - of - thi ngs  (IoT )  s en sing  with  c loud - base d  proc essin g:  Opportunities   and  cha l le nges ,”   i n  IE EE   In ter nati onal  Conf e renc e  on   Serv i c es  Computing ,     pp.   285 - 292 ,   20 15.     [18]   P.  S.   J.  Kum ar   a nd  A.  S.  Chai tra ,   “ A  Survey   on  Cloud  Com puti ng  base d  Hea lt h  Care   for  D ia be t es:  Anal y s is  and   Diagnosis ,”   i n  I OSR  Journal  o f Com pute r E ngin ee ring   ( IOSR - JC E) ,  v ol. 17,  no.   4 ,   pp .   109 - 117 ,   2 015.   [19]   G.  E y senb ac h ,   et   al.,   “ Shopping  aro und  th e  int ern et   tod a y   and  tomorro w:  towar ds  the   m il le nnium  of   c y b ermedi c ine, ”   Brit ish   Me di cal  Journal,   vo l. 31 9,   no .   7220 ,   p .   1 294,   1999 .   [20]   T.   N.  Arvani t is,  et   al.,   “ Towa rds  the   Mill enni um   of  Cy b ermedi c i ne ,   MEDN ET 99   Abs tra ct   Book, ”   The   4th  W orld  Congre ss   on  the  Inte rne t  in   Medi ci ne ,   1999 .     [21]   P.   M.  Ku m ar,   et   al . ,   “ Cloud  and  IoT  base d  disea se  pre di ct ion  and  dia gnosis  sy stem  for  hea l th   ca re  using  fuz z y   neur al c l assifier ,”   Fu ture  Gen erati on  Comput er  S yste ms ,   vol .   86 ,   pp.   527 - 534 ,   20 18.     [22]   Y.  Li ,   e t  al.,   “ En abl ing  he al th  m o nit oring  as  a  ser vic e  in  th e  cl oud ,”   i n  IE EE / ACM   7th  Int ernati on al  Confe renc e  o n   Util ity  and   Clou d  Computing ,   London,  UK ,   pp.   1 27 - 137 ,   2014 .     [23]   W .   Li n,   W .   Dou ,   Z.   Zhou  and  C.   Li uc.   A  cl oud - b ase d  fra m ework  for  hom edi agnosis  servic e  over   big  m edi ca l  data.  The   Journa l  of   Sy stems   and   Soft ware ,   El sev ie r ,   v ol.   102 ,   pp   192 – 206,   2014 .     [24]   H.  Oh,  et   al . ,   “ W hat   is  eHe al th   (3):  A  sy stema ti c  rev ie w  of  publi shed  definit io ns ,”   Journal  of  Me dic a l  Inte rne t   Re search ,   vol .   7 ,   no.   1,   pp.   1 - 11,   2005.     [25]   Y.   Hu  and  G.   Bai ,   “ A  s y stem at i c  li t erature   r evi e w  of  c loud   computing  in  eHe alth ,”   Health  Informatic s - A n   Inte rnational   Jo urnal  ( HIIJ) ,   vol.   3,   no .   4 ,   pp .   11 - 20,   2014 .     [26]   L.   Hu ,  et   al.,   “ Soft ware   defined  hea l thc ar e  net w orks ,”   i n  IEE E  Wirel ess  Communi cat ions ,   vol.   22,   no.   6,   pp.   67 - 75,   2015.     [27]   S.   Abbas,  “ C y be r - m edi ci ne  servi ce   for  m edi ca l  di agnosis  base d  on  IoT  and  cl oud  infra struct ur e, ”   The  Inte rnational   Confe renc e  on   A rtif ic a l   In te l li gen t  and  C omput er  V ision   ( AICV ’20 ) ,   pp.   617 - 627 ,   2 4  Mar.   2020.       BIOGR AP H Y   O F  AU TH OR       Safi a  Abbas   wo rks  as  associa t e  profe ss or   in  the   Depa rtment  of  Com pute r  Scie n ce ,   Fa cult y   of  Com pute r  and  In form at ion  Scie n ce s,  Princ ess Nourah  bint   abdul r ahman  Univer sit y ,   KS A,  during  2019 - 2020,   and  Univer sit y   of  Ain  Sham s,  Cai ro,   Eg y pt   dur ing  2016 - 2018.   During  2006 - 2011,   s he  rec e ive d  the   Ph.D.  from   the   Gradua te   Schoo l   of  Scie nc e  and Te chno log y ,   Nii gat a  Univ ersity ,   Japa n .   A  strong   the m e  of  her   w ork  is  in  the   sw arm  opti m iz ers,   and  sec uri t y   in  cl oud,   Med ical  Diagnosis  using  m ac hine   learni n g  and  D at a   m ining.     Evaluation Warning : The document was created with Spire.PDF for Python.