As a result of the worldwide transmission of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), coronavirus disease 2019 (COVID-19) has evolved into an unprecedented pandemic. Currently, with unavailable pharmaceutical treatments and vaccines, this novel coronavirus results in a great impact on public health, human society, and global economy, which is likely to last for many years. One of the lessons learned from the COVID-19 pandemic is that a long-term system with non-pharmaceutical interventions for preventing and controlling new infectious diseases is desirable to be implemented. Internet of things (IoT) platform is preferred to be utilized to achieve this goal, due to its ubiquitous sensing ability and seamless connectivity. IoT technology is changing our lives through smart healthcare, smart home, and smart city, which aims to build a more convenient and intelligent community. This paper presents how the IoT could be incorporated into the epidemic prevention and control system. Specifically, we demonstrate a potential fog-cloud combined IoT platform that can be used in the systematic and intelligent COVID-19 prevention and control, which involves five interventions including COVID-19 Symptom Diagnosis, Quarantine Monitoring, Contact Tracing & Social Distancing, COVID-19 Outbreak Forecasting, and SARS-CoV-2 Mutation Tracking. We investigate and review the state-of-the-art literatures of these five interventions to present the capabilities of IoT in countering against the current COVID-19 pandemic or future infectious disease epidemics.


翻译:由于全球范围内传播严重急性呼吸系统综合症冠状病毒2(SARS-COV-2),2019年冠状病毒(COVID-19)已演变成前所未有的流行病,目前,由于没有药品治疗和疫苗,这种新型冠状病毒正在对公共卫生、人类社会和全球经济产生巨大影响,这种影响可能会持续多年。从COVID-19大流行病中汲取的教训之一是,有必要实施一个长期系统,采用非药物干预来预防和控制新的传染病。由于互联网(IOT)平台具有普遍的感知能力和无缝的连通性,因此更倾向于利用它来实现这一目标。新的冠状病毒病毒病毒病毒病毒病毒病毒(COVI-19)病毒病毒病毒病毒病毒病毒病毒(COVID)病毒(COVID病毒)病毒(COVI病毒)病毒(COVI病毒)病毒(COVI病毒)病毒(COVI)病毒(COVI)病毒)病毒(COVI)病毒(COVI)病毒(COVI)病毒(COVI)病毒(COVI)病毒(COVI)病毒(COVI)病毒)病毒(SIT)病毒(S-D)的系统智能化和智能的诊断性诊断性诊断性诊断性研究(S-D)(S-D)(Syalvereabalking) Q),这涉及五项干预措施(S-I(S-I(COVI)(S-IV-VI) 未来(S-ID)的追踪(COVI)(S-RV)(S-RV)(S-RV)(S-RV)(SV)(SV)(Syalvecientalvevi)(CM)(S)(S-VI)(SV)(SV)(SV)(S-ID)(S)(CV)(S)(S-I)的)的)(S)(S-VI)(S-D)(V)(V)的)的文献)(SV)(S-I)(SV)(V)(V)(V)(S)(包括5)(S)(S-I-I)(S)(S)(S-D)(S)(S)(S)(S-I)(S)(S)(S)(S)

0
下载
关闭预览

相关内容

专知会员服务
38+阅读 · 2020年9月6日
可解释强化学习,Explainable Reinforcement Learning: A Survey
专知会员服务
128+阅读 · 2020年5月14日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
171+阅读 · 2019年10月11日
CCF推荐 | 国际会议信息10条
Call4Papers
7+阅读 · 2019年5月27日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
计算机类 | 国际会议信息7条
Call4Papers
3+阅读 · 2017年11月17日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【今日新增】计算机领域国际会议截稿信息
Call4Papers
9+阅读 · 2017年7月21日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
VIP会员
相关VIP内容
专知会员服务
38+阅读 · 2020年9月6日
可解释强化学习,Explainable Reinforcement Learning: A Survey
专知会员服务
128+阅读 · 2020年5月14日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
171+阅读 · 2019年10月11日
相关资讯
CCF推荐 | 国际会议信息10条
Call4Papers
7+阅读 · 2019年5月27日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
计算机类 | 国际会议信息7条
Call4Papers
3+阅读 · 2017年11月17日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【今日新增】计算机领域国际会议截稿信息
Call4Papers
9+阅读 · 2017年7月21日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员