Nicht aus der Schweiz? Besuchen Sie lehmanns.de

Privacy-Preserving Techniques with e-Healthcare Applications (eBook)

eBook Download: PDF
2024
XII, 174 Seiten
Springer Nature Switzerland (Verlag)
978-3-031-76922-1 (ISBN)

Lese- und Medienproben

Privacy-Preserving Techniques with e-Healthcare Applications - Dan Zhu, Dengguo Feng, Xuemin (Sherman) Shen
Systemvoraussetzungen
139,09 inkl. MwSt
(CHF 135,85)
Der eBook-Verkauf erfolgt durch die Lehmanns Media GmbH (Berlin) zum Preis in Euro inkl. MwSt.
  • Download sofort lieferbar
  • Zahlungsarten anzeigen

This book investigates novel accurate and efficient privacy-preserving techniques and their applications in e-Healthcare services. The authors first provide an overview and a general architecture of e-Healthcare and delve into discussions on various applications within the e-Healthcare domain. Simultaneously, they analyze the privacy challenges in e-Healthcare services. Then, in Chapter 2, the authors give a comprehensive review of privacy-preserving and machine learning techniques applied in their proposed solutions. Specifically, Chapter 3 presents an efficient and privacy-preserving similar patient query scheme over high-dimensional and non-aligned genomic data; Chapter 4 and Chapter 5 respectively propose an accurate and privacy-preserving similar image retrieval scheme and medical pre-diagnosis scheme over dimension-related medical images and single-label medical records; Chapter 6 presents an efficient and privacy-preserving multi-disease simultaneous diagnosis scheme over medical records with multiple labels. Finally, the authors conclude the monograph and discuss future research directions of privacy-preserving e-Healthcare services in Chapter 7.

Erscheint lt. Verlag 13.12.2024
Reihe/Serie Wireless Networks
Zusatzinfo XII, 174 p.
Sprache englisch
Themenwelt Informatik Theorie / Studium Künstliche Intelligenz / Robotik
Technik Bauwesen
Technik Elektrotechnik / Energietechnik
Schlagworte Data Clustering • E-Healthcare Services • Genomic data • Metric Selection • privacy preservation • Similarity Computing • tree structure
ISBN-10 3-031-76922-8 / 3031769228
ISBN-13 978-3-031-76922-1 / 9783031769221
Informationen gemäß Produktsicherheitsverordnung (GPSR)
Haben Sie eine Frage zum Produkt?
PDFPDF (Wasserzeichen)
Größe: 8,8 MB

DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasser­zeichen und ist damit für Sie persona­lisiert. Bei einer missbräuch­lichen Weiter­gabe des eBooks an Dritte ist eine Rück­ver­folgung an die Quelle möglich.

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seiten­layout eignet sich die PDF besonders für Fach­bücher mit Spalten, Tabellen und Abbild­ungen. Eine PDF kann auf fast allen Geräten ange­zeigt werden, ist aber für kleine Displays (Smart­phone, eReader) nur einge­schränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Mehr entdecken
aus dem Bereich
der Praxis-Guide für Künstliche Intelligenz in Unternehmen - Chancen …

von Thomas R. Köhler; Julia Finkeissen

eBook Download (2024)
Campus Verlag
CHF 37,95