文献

J-GLOBAL ID：202202293431775980   整理番号：22A1159653

パーベイシブヘルスモニタリングのためのプライバシー保護深層学習:環境要求と既存の解決策の妥当性の研究【JST・京大機械翻訳】

Privacy-preserving deep learning for pervasive health monitoring: a study of environment requirements and existing solutions adequacy

著者 (3件)： Boulemtafes Amine (Division Securite Informatique, Centre de Recherche sur l’Information Scientifique et Technique, Algiers, Algeria, and also Departement Informatique, Faculte des Sciences exactes, Universite de Bejaia, Bejaia, Algeria) ,  Derhab Abdelouahid (Center of Excellence in Information Assurance, King Saud University, Riyadh, Saudi Arabia) ,  Challal Yacine (Laboratoire de Methodes de Conception des Systemes, Ecole Nationale Superieure d’Informatique, Algiers, Algeria)
資料名： Health and Technology  (Health and Technology)
巻： 12  号： 2  ページ： 285-304  発行年： 2022年 
JST資料番号： W4408A  ISSN： 2190-7188  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 近年,健康管理応用における深層学習は,研究コミュニティからかなりの注目を集めている。それらを強力なクラウドインフラストラクチャに展開し,大きな健康データを処理する。しかし,敏感なデータが遠隔クラウドに負荷されたとき,プライバシー問題は発生する。本論文では,心臓疾患診断,睡眠時無呼吸検出,およびより最近,Covid-19の早期検出のような,患者のどこでもどこでもどこでもモニタリングを可能にする,広汎な健康モニタリング応用に焦点を当てる。普及した健康監視アプリケーションは,一般的に制約されたクライアント側環境で動作するので,プライバシー保護解を設計するとき,これらの制約を考慮することが重要である。したがって,本論文では,普及した健康監視環境における深層学習のための既存のプライバシー保護解の妥当性をレビューした。この目的のために,プライバシー保護学習シナリオとそれらの対応するタスクと要求を同定した。さらに,レビューされた解決策の評価基準を定義し,それらの議論を行い,将来の研究のための未解決の問題を強調した。Copyright The Author(s) under exclusive licence to International Union for Physical and Engineering Sciences in Medicine (IUPESM) 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  データ ,  コミュニティ ,  監視 ,  *保護 ,  環境 ,  プライバシー ,  心臓病 ,  応用プログラム ,  健康管理 ,  患者 ,  インフラストラクチャー ,  *機械学習
準シソーラス用語： 健康調査 ,  *プライバシー保護 ,  *深層学習 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 深層学習 ,  深層ニューラルネットワーク ,  プライバシー ,  広範な健康モニタリング ,  e-健康 ,  m-健康

分類 (2件)： 計算機網  (JC03000K) ,  医用情報処理  (JE15030Q)

タイトルに関連する用語 (6件)： プライバシー ,  深層学習 ,  環境 ,  解決策 ,  妥当性 ,  研究