A hybrid model for telemedicine data transmission based on blockchain and adaptive compression
Year: 2025
Type: article
Abstract: Системи телемедицини революціонізують охорону здоров’я, уможливлюючи дистанційну діагностику, консультації та моніторинг, особливо в регіонах з обмеженим доступом до медичних послуг. У сільських місцевостях з обмеженими ресурсами, де інфраструктура слабка, а пропускна здатність мережі часто не перевищує 20 кбіт/с, телемедицина стає ключовим інструментом подолання нерівності в охороні здоров’я. Проте такі виклики, як вразливість даних до кібератак, низька пропускна здатність і висока енергоспоживність носимих пристроїв, гальмують її розвиток. У статті запропоновано гібридну модель, що інтегрує блокчейн з обмеженим доступом (Hyperledger Fabric) для безпечного керування медичними даними, адаптивне стиснення на основі згорткової нейронної мережі (CNN) для оптимізації використання смуги пропускання та протокол LoRa для енергоефективного далекобійного зв’язку. Симуляції, проведені в MATLAB і NS-3, демонструють зменшення затримки передавання даних на 25 %, на 30 % нижче енергоспоживання та 100 % стійкість до кібератак порівняно з традиційними методами. Модель протестовано на синтетичних наборах даних (ЕКГ, відеопотоки, текстові звіти), і вона показала масштабованість до 500 пристроїв у мережі. Результати особливо актуальні для регіонів з обмеженими ресурсами, де доступ до медичної допомоги обмежений через слабку інфраструктуру. Запропоноване рішення пропонує економічно ефективну й масштабовану платформу для глобальних систем телемедицини, сприяючи цифровізації охорони здоров’я.
Language: English
Subfield: Information Systems
Field: Computer Science
Domain: Physical Sciences
Keywords: telemedicine, blockchain, Hyperledger Fabric, adaptive image compression, convolutional neural networks, LoRa, medical data security, low-bandwidth networks, energy efficiency, wearable devices, remote patient monitoring, ECG transmission, video streaming, rural health care, data transmission delay, hybrid model, edge computing, 5G
Open Access status: green
OpenAlex ID: W7204021276
