ترجمه فارسی مقاله ECG رونمایی کرد: تجزیه و تحلیل خطرات شناسایی مجدد مشتری در مجموعه داده های ECG در دنیای واقعی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی ECG Unveiled: Analysis of Client Re-identification Risks in Real-World ECG Datasets
عنوان مقاله به فارسی ECG رونمایی کرد: تجزیه و تحلیل خطرات شناسایی مجدد مشتری در مجموعه داده های ECG در دنیای واقعی
نویسندگان Ziyu Wang, Anil Kanduri, Seyed Amir Hossein Aqajari, Salar Jafarlou, Sanaz R. Mousavi, Pasi Liljeberg, Shaista Malik, Amir M. Rahmani
فرمت مقاله انگلیسی PDF
تعداد صفحات 4
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Signal Processing,Machine Learning,پردازش سیگنال , یادگیری ماشین ,
توضیحات Submitted 2 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 2 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

While ECG data is crucial for diagnosing and monitoring heart conditions, it also contains unique biometric information that poses significant privacy risks. Existing ECG re-identification studies rely on exhaustive analysis of numerous deep learning features, confining to ad-hoc explainability towards clinicians decision making. In this work, we delve into explainability of ECG re-identification risks using transparent machine learning models. We use SHapley Additive exPlanations (SHAP) analysis to identify and explain the key features contributing to re-identification risks. We conduct an empirical analysis of identity re-identification risks using ECG data from five diverse real-world datasets, encompassing 223 participants. By employing transparent machine learning models, we reveal the diversity among different ECG features in contributing towards re-identification of individuals with an accuracy of 0.76 for gender, 0.67 for age group, and 0.82 for participant ID re-identification. Our approach provides valuable insights for clinical experts and guides the development of effective privacy-preserving mechanisms. Further, our findings emphasize the necessity for robust privacy measures in real-world health applications and offer detailed, actionable insights for enhancing data anonymization techniques.

چکیده به فارسی (ترجمه ماشینی)

در حالی که داده های ECG برای تشخیص و نظارت بر شرایط قلبی بسیار مهم است ، همچنین حاوی اطلاعات بیومتریک منحصر به فرد است که خطرات حریم خصوصی قابل توجهی را به همراه دارد.مطالعات شناسایی مجدد ECG موجود به تجزیه و تحلیل جامع بسیاری از ویژگی های یادگیری عمیق متکی است ، که محدود به توضیحات موقت نسبت به تصمیم گیری پزشکان است.در این کار ، ما به توضیح خطرات شناسایی مجدد ECG با استفاده از مدل های یادگیری ماشین شفاف می پردازیم.ما از تجزیه و تحلیل توضیحات افزودنی Shapley (Shap) برای شناسایی و توضیح ویژگی های اصلی کمک به خطرات شناسایی مجدد استفاده می کنیم.ما یک تجزیه و تحلیل تجربی از خطرات شناسایی مجدد هویت با استفاده از داده های ECG از پنج مجموعه داده متنوع در دنیای واقعی ، شامل 223 شرکت کننده انجام می دهیم.با استفاده از مدل های یادگیری ماشین شفاف ، ما تنوع را در بین ویژگی های مختلف ECG در کمک به شناسایی مجدد افراد با دقت 0.76 برای جنسیت ، 0.67 برای گروه سنی و 0.82 برای شناسایی مجدد شناسه شرکت کنندگان نشان می دهیم.رویکرد ما بینش های ارزشمندی را برای متخصصان بالینی فراهم می کند و توسعه مکانیسم های مؤثر در حفظ حریم خصوصی را راهنمایی می کند.علاوه بر این ، یافته های ما بر ضرورت اقدامات حریم خصوصی قوی در برنامه های بهداشتی در دنیای واقعی تأکید می کند و بینش های مفصلی و عملی را برای تقویت تکنیک های ناشناس سازی داده ها ارائه می دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.