بکارگیری شبکه‌های عصبی مصنوعی و سیستم استنتاج فازی Falcon برای طراحی مدل کسب‌وکار مبتنی بر اینترنت اشیاء در حوزه پزشکی ازراه دور

مهمترین هدف پژوهش حاضر، ارائه مدل کسب‌وکار مبتنی بر اینترنت اشیاء بر اساس بکارگیری شبکه‌های عصبی مصنوعی و سیستم استنتاج فازی falcon در موسسه ملی توسعه تحقیقات علوم پزشکی ایران (nimad)، است. در واقع مسائل این پژوهش را می‌توان خستگی تصمیم‌گیران و پزشکان در موسسه ملی توسعه تحقیقات علوم پزشکی ایران بر اثر ترکیب روش‌های مختلف طراحی مدل کسب‌وکار مبتنی بر اینترنت اشیاء در حوزه پزشکی ازراه دور و نیز نیاز به استفاده از سیستم tmedicine+iot.fanfis در افزایش اعتماد و اطمینان در تصمیم‌گیری، و همچنین مسئله نیاز به تخصص چندگانه از طریق به‌کاربردن همزمان دانش چند نفر خبره حوزه‌های مختلف برای حل مسئله طراحی مدل کسب‌وکار مبتنی بر اینترنت اشیاء در حوزه پزشکی ازراه دور، بیان نمود. در پژوهش حاضر، به منظور طراحی سیستم هوشمند مبتنی بر شبکه‌های عصبیفازی falcon از محیط برنامه نویسی matlab r2017b استفاده شد. در نهایت، با استفاده از خروجی‌های سیستم tmedicine+iot.fanfis می‌توان وضعیت طراحی مدل کسب‌وکار مبتنی بر اینترنت اشیاء در حوزه پزشکی ازراه دور را بر اساس متغیر‌هایی چون استفاده از اینترنت اشیاء در پزشکی ازراه دور؛ قابلیت مدیریت دستگاه‌ها و اشیاء؛ موقعیت شبکه‌های اینترنت اشیاء؛ امنیت اینترنت اشیاء؛ میزان آشنایی با تحلیل کاربردهای اینترنت اشیاء؛ مورد تحلیل قرار داد. در واقع، اختلاف نهایی بین تحلیل خروجی‌های سیستم tmedicine+iot.fanfis و میانگین نظرات پزشکان از راه دور و متخصصان مدل کسب‌وکار مبتنی بر اینترنت اشیاء معنی‌دار نبوده و برابر با 0.065 است.

Application of Falcon Artificial Neural Networks and Fuzzy Inference System (FANFIS) for Designing an InternetofThings Based Business Model in the Field of Telemedicine

The main purpose of this study is to use Falcon’s artificial neural networks and fuzzy inference system to designing an IOTbased business model in telemedicine at the National Institute of Medical Research Development of Iran. In fact, the research fatigue of NIMAD decision makers and physicians can be explained by the combining different ways of designing an IOTbased business model in telemedicine. In addition the need to use the TMEDICINE+IOT.FANFIS system to increase confidence and reliability in Decision making, as well as the issue of the need for multiple expertise through the simultaneous using multidisciplinary knowledge of different areas to solve the problem of internet of thingsbased business model. In this study, the Matlab R2017b programming environment was applied to design an Expert system based on Falcon neural networks. Finally, using the TMEDICINE+IOT.FANFIS system outputs, the status of IOTbased business model in telemedicine can be analyzed based on variables such as following items: Using IOT in telemedicine; the ability to managing devices; The IOT networks position; IOT security; the degree of familiarity with the analyzing IOT applications. In fact, the final difference between the analyzing the outputs of the Expert system based on Falcon neurofuzzy system of this study, and the average views of Telemedicine physicians and IOTbased business model specialists, It is not significant and it equals to 0.065.