Red convolucional Bi-LSTM preservando la privacidad para un análisis robusto de imágenes médicas en serie de tiempo encriptadas
Autores: Kolhar, Manjur; Aldossary, Sultan Mesfer
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Red convolucional Bi-LSTM preservando la privacidad para un análisis robusto de imágenes médicas en serie de tiempo encriptadas
Categoría
Ingeniería y Tecnología
Subcategoría
Inteligencia Artificial
Palabras clave
Aprendizaje profundo
Imágenes médicas
Privacidad
Algoritmos
Aplicaciones de salud
Seguridad de datos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 26
Citaciones: Sin citaciones
Los algoritmos de aprendizaje profundo (DL) pueden mejorar las aplicaciones de atención médica. DL ha mejorado el diagnóstico por imágenes médicas, la terapia y el manejo de enfermedades. El uso de algoritmos de aprendizaje profundo en imágenes médicas sensibles presenta problemas de privacidad y seguridad de datos. Mejorar la imagen médica mientras se protege el anonimato del paciente es difícil. Por lo tanto, los enfoques de preservación de la privacidad para el entrenamiento y la inferencia de modelos de aprendizaje profundo están ganando popularidad.
Descripción
Los algoritmos de aprendizaje profundo (DL) pueden mejorar las aplicaciones de atención médica. DL ha mejorado el diagnóstico por imágenes médicas, la terapia y el manejo de enfermedades. El uso de algoritmos de aprendizaje profundo en imágenes médicas sensibles presenta problemas de privacidad y seguridad de datos. Mejorar la imagen médica mientras se protege el anonimato del paciente es difícil. Por lo tanto, los enfoques de preservación de la privacidad para el entrenamiento y la inferencia de modelos de aprendizaje profundo están ganando popularidad.