Dergiler / Yönetim Bilişim Sistemleri Dergisi / 2017 / Cilt: 3 - Sayı: 2
TIBBİ GÖRÜNTÜLEME ARAÇLARI İÇİN BULUT BİLİŞİM TABANLI ÖNGÖRÜCÜ BAKIM UYGULAMA ÇATISI
- Sayfa
- 76–90
- DOI
- —
Özet
Nesnelerin İnterneti ve Bulut Bilişim alanlarındaki son teknolojik gelişmeler, hastanelerde sunulan sağlık hizmetlerinin kalitesinin iyileştirilmesine olanak sağlamaktadır. Bu teknolojilerden biri olan, akıllı sensör ve aktüatör teknolojilerinin hastanelerde yaygın kullanımı ile çeşitli tıbbi cihazlardan toplanan veriler sayesinde, sunulan sağlık hizmetlerinin iyileştirilmesi sağlanmaktadır. Örneğin, cihazlarda oluşacak hataları önceden görerek, bu hataların düzeltilmesini kapsayan öngörücü bakım sistemleri için biyomedikal cihazlardan toplanan veriler önemli bir potansiyele sahiptirler. Ancak, öngörücü bakım sistemlerinden azami fayda elde etmek, bakım maliyetlerini düşürmek ve sağlık hizmetlerini iyileştirilmek için Bulut Bilişim ve Nesnelerin İnterneti teknolojilerinin
Abstract
Recent technological advancements in Internet of Things (IoT) and Cloud Computing domains, enable improving quality of health services in hospitals. The widespread use of smart sensor and actuator technologies in hospitals allow us to improve healthcare services by collecting data from various medical devices. Therefore, hospitals grasp noteworthy potential to convert these collected data into valuable information for predictive maintenance of biomedical devices. However, in order to obtain maximum benefit from the predictive maintenance system to reduce maintenance costs and improve healthcare services, a well-integrated solution is needed to combine cloud computing and IoT technologies with medical imaging devices. Despite some promising efforts in this area to solve this problem, they are not sufficient to be used in the information era. Thus, in this study, we primarily focus on the problem of how to define a predictive maintenance framework for medical imaging devices based on cloud computing and IoT technologies. Then, we identify the benefits and challenges of the proposed predictive maintenance framework.