Master'sOpen Access

Enablıng 5G and 6G technologıes through mıllımeter-wave and VLC ıntegratıon for enhanced remote health monıtorıng systems

Is this your thesis?

This record came from a bulk archive import. If it’s yours, link it to your profile.

2025
0 views
0 downloads

Abstract (TR)

Bu tez kablosuz ağların sağlık hizmetlerindeki önemli rolünü incelemekte olup sensörler ve uzaktan izleme ekipmanları gibi tıbbi cihazlar arasında verimli veri aktarımını sağlamak için 5G ve gelişmekte olan 6G gibi yüksek performanslı teknolojilere duyulan ihtiyacı vurgulamaktadır. Uzaktan sağlık izleme sistemlerinde 5G mmWave teknolojisinin mevcut araştırma alanını ele alarak, uygulamaları, ana zorlukları ve gelecekteki eğilimlere odaklanıyoruz. Yeniden yapılandırılabilir hibrit optik-radyo tabanlı Tıbbi Vücut Sensör Ağlarının (MBSN'ler) kablosuz bağlantı gereksinimlerini inceleyerek, geleneksel MBSN'lerin daha esnek ve genel çözümlere genişletilmesini öneriyoruz. Bu tez, anten tasarımı, küçük implante edilebilir antenler, vücut üzerinde giyilebilir çözümler ve uyarlanabilir algılama ve görüntüleme sistemleri gibi çeşitli alanlarda kapsamlı bir literatür taraması sunmaktadır. Araştırmamız ayrıca izleme sistemlerindeki metodolojik yaklaşımları, kanal karakteristiklerini analiz ederek kablosuz kapsül endoskopisindeki ilerlemeleri ve algılama ve görüntüleme tekniklerini incelemektedir. Ayrıca 6G çerçevesinin sağlık hizmetlerinde Görünür Işık İletişimini (VLC) nasıl entegre ettiğini araştırarak, VLC tabanlı MBSN'lerin uzaktan hasta izleme ve gerçek zamanlı sağlık verisi iletimini kanal DC kazancı ve RMS gecikme yayılımı gibi VLC kanal parametrelerini doğru bir şekilde tahmin ederek nasıl devrim yaratabileceğini göstermekteyiz. Farklı hastane ortamlarında (yoğun bakım ünitesi ve aile tipi hasta odası gibi) kanalları modellemek, yol kaybı ve RMS gecikme yayılımını tahmin etmek için gelişmiş bir ışın izleme tekniği ve ML tabanlı bir algoritma tanıtıyoruz. Hastane senaryolarının detaylı sonuçları, LSTM, GRU, RNN, Linear Regression SVR ve KNN gibi çeşitli makine öğrenimi algoritmaları kullanılarak listelenmiştir. Tahminler, en iyi performans gösteren ML tekniği seçilerek kapsamlı bir şekilde detaylandırılmış ve açıklanmıştır.

Author

Ahmed H A Dalloul

How to Cite

Ahmed H A Dalloul (Yüksek Lisans Tezi). Enablıng 5G and 6G technologıes through mıllımeter-wave and VLC ıntegratıon for enhanced remote health monıtorıng systems, 2025, Feyziye Schools Foundation Işık University.

Keywords

License

Tüm Hakları Saklıdır

This work is shared under the specified license terms.

More theses from Feyziye Schools Foundation Işık University