Many researchers have recently considered patients’ health and provided an optimal and appropriate solution. With the advent of technologies such as cloud computing, Internet of Things and 5G, information can be exchanged faster and more securely. The Internet of things (IoT) offers many opportunities in the field of e-health. This technology can improve health services and lead to various innovations in this regard. Using cloud computing and IoT in this process can significantly improve the monitoring of patients. Therefore, it is important to provide a useful method in the medical industry and computer science to monitor the status of patients using connected sensors. Thus, due to its optimal efficiency, speed, and accuracy of data processing and classification, the use of cloud computing to process the data collected from remote patient sensors and IoT platform has been suggested. In this paper, a prioritization system is used to prioritize sensitive information in IoT, and in cloud computing, LSTM deep neural network is applied to classify and monitor patients’ condition remotely, which can be considered as an important innovative aspect of this paper. Sensor data in the IoT platform is sent to the cloud with the help of the 5th generation Internet. The core of cloud computing uses the LSTM (long short-term memory) deep neural network algorithm. By simulating the proposed method and comparing the obtained results with other methods, it is observed that the accuracy of the proposed method is 97.13%, which has been improved by 10.41% in average over the other methods.

许多研究人员最近考虑了患者的健康，并提供了最佳和适当的解决方案。随着云计算、物联网和5G等技术的出现，信息可以更快、更安全地交换。物联网 (IoT) 在电子医疗领域提供了许多机会。这项技术可以改善卫生服务并导致这方面的各种创新。在此过程中使用云计算和物联网可以显着改善对患者的监测。因此，重要的是在医疗行业和计算机科学中提供一种有用的方法来使用连接的传感器监测患者的状态。因此，由于其数据处理和分类的最佳效率、速度和准确性，已经建议使用云计算来处理从远程患者传感器和物联网平台收集的数据。本文采用优先排序系统对物联网中的敏感信息进行优先排序，并在云计算中应用LSTM深度神经网络对患者的病情进行远程分类和监测，这可以被认为是本文的一个重要创新方面。物联网平台中的传感器数据借助第五代互联网发送到云端。云计算的核心采用LSTM（长短期记忆）深度神经网络算法。通过对所提方法进行仿真，并将所得结果与其他方法进行比较，可以看出，所提方法的准确率为97.13%，比其他方法平均提高了10.41%。本文采用优先排序系统对物联网中的敏感信息进行优先排序，并在云计算中应用LSTM深度神经网络对患者的病情进行远程分类和监测，这可以被认为是本文的一个重要创新方面。物联网平台中的传感器数据借助第五代互联网发送到云端。云计算的核心采用LSTM（长短期记忆）深度神经网络算法。通过对所提方法进行仿真，并将所得结果与其他方法进行比较，可以看出，所提方法的准确率为97.13%，比其他方法平均提高了10.41%。本文采用优先排序系统对物联网中的敏感信息进行优先排序，并在云计算中应用LSTM深度神经网络对患者的病情进行远程分类和监测，这可以被认为是本文的一个重要创新方面。物联网平台中的传感器数据借助第五代互联网发送到云端。云计算的核心采用LSTM（长短期记忆）深度神经网络算法。通过对所提方法进行仿真，并将所得结果与其他方法进行比较，可以看出，所提方法的准确率为97.13%，比其他方法平均提高了10.41%。应用LSTM深度神经网络远程对患者病情进行分类和监测，可以认为是本文的一个重要创新方面。物联网平台中的传感器数据借助第五代互联网发送到云端。云计算的核心采用LSTM（长短期记忆）深度神经网络算法。通过对所提方法进行仿真，并将所得结果与其他方法进行比较，可以看出，所提方法的准确率为97.13%，比其他方法平均提高了10.41%。应用LSTM深度神经网络远程对患者病情进行分类和监测，可以认为是本文的一个重要创新方面。物联网平台中的传感器数据借助第五代互联网发送到云端。云计算的核心采用LSTM（长短期记忆）深度神经网络算法。通过对所提方法进行仿真，并将所得结果与其他方法进行比较，可以看出，所提方法的准确率为97.13%，比其他方法平均提高了10.41%。云计算的核心采用LSTM（长短期记忆）深度神经网络算法。通过对所提方法进行仿真，并将所得结果与其他方法进行比较，可以看出，所提方法的准确率为97.13%，比其他方法平均提高了10.41%。云计算的核心采用LSTM（长短期记忆）深度神经网络算法。通过对所提方法进行仿真，并将所得结果与其他方法进行比较，可以看出，所提方法的准确率为97.13%，比其他方法平均提高了10.41%。