تتطلب التوسع السريع في الطب عن بُعد طرقًا آمنة وتعاونية وتحافظ على الخصوصية لإدارة البيانات الطبية الحساسة. تواجه نماذج التدريب التقليدية المركزية تحديات مثل تسرب البيانات ونزاعات الملكية، مما يعيق التعاون المؤسسي. لمعالجة هذه القضايا، يقدم هذا البحث MedLedgerFL، وهو منصة هجينة تدمج تقنية البلوكشين مع التعلم الفيدرالي (FL) لتعزيز سلامة وموثوقية تحليلات الرعاية الصحية…

تستكشف هذه الورقة البحثية دمج التعلم الفيدرالي (FL) والخصوصية التفاضلية (DP) لتعزيز الخصوصية في الكشف عن سرطان الثدي أثناء معالجة المعلومات الصحية الحساسة. من خلال الاستفادة من الإطار اللامركزي لـ FL، يمكّن هذا البحث التدريب التعاوني للنماذج بين منظمات الرعاية الصحية دون الكشف عن بيانات المرضى الخام. إن دمج DP يقدم ضوضاء إحصائية في تحديثات…

تتناول هذه الدراسة التحدي الحاسم لضمان خصوصية البيانات في تصنيف الصور الطبية، لا سيما في سياق التشخيص المدعوم بالذكاء الاصطناعي، حيث واجه أكثر من 30% من منظمات الرعاية الصحية خروقات للبيانات. تستكشف الدراسة دمج التعلم الانتقالي والتعلم الفيدرالي لتطوير إطار عمل يحافظ على الخصوصية لتصنيف الصور الطبية، باستخدام GoogLeNet و VGG16 كنماذج أساسية. أظهرت هذه…