جستجو
مرور سیستماتیک یادگیری فدرال برای هوش مصنوعی حفظکننده حریم خصوصی در سلامت: چالشها، معماریها و مقیاسپذیری
فاطمه عمرانی1 صغری میکائیل نژاد2 فاطمه خانی3
چکیده :
پیشرفت هوش مصنوعی در سلامت با چالش اساسی حفاظت از حریم خصوصی دادههای بیماران و محدودیتهای قانونی مانند GDPR و HIPAA مواجه است. یادگیری فدرال (FL) به عنوان یک پارادایم نوظهور، آموزش مدلهای مشارکتی را بدون اشتراکگذاری دادههای خام ممکن میسازد. این مقاله مرور سیستماتیک با پیروی از رهنمود PRISMA 2020، به تحلیل پژوهشهای FL برای هوش مصنوعی حفظکننده حریم خصوصی در سلامت با تأکید ویژه بر ابعاد مقیاسپذیری میپردازد. جستجو در پنج پایگاه داده ( PubMed، Scopus، Web of Science، IEEE Xplore و Google Scholar ) منجر به شناسایی ۲۵۰+ مقاله و در نهایت انتخاب ۹۷ مطالعه مرتبط شد. یافتهها در چهار محور دستهبندی شدهاند: (الف) معماریهای مقیاسپذیر (سلسلهمراتبی، کارآمد از نظر ارتباطات و مبتنی بر بلاکچین)، (ب) مکانیزمهای حریم خصوصی(DP، HE، SMPC، TEE و ZKP)، (پ) کاربردهای سلامت (تصاویر پزشکی، EHR و IoMT)، و (ت) چالشهای عمده (ناهمگونی داده و سیستم، حملات امنیتی، سربار ارتباطی و موانع استقرار بالینی). نتایج نشان میدهد که شکاف قابل توجهی بین نوآوریهای الگوریتمی و استقرار عملی در محیطهای بالینی واقعی وجود دارد. مقاله با ارائه توصیههای سیاستی برای استانداردسازی ارزیابی، سرمایهگذاری زیرساختی و هماهنگی مقرراتی به پایان میرسد.
کلمات کلیدی : یادگیری فدرال حفظ حریم خصوصی سیستمهای سلامت مقیاسپذیری مرور سیستماتیک
زبان مقاله : فارسی
محور مقاله : فناوری های کاربردی هوش مصنوعی و کاربردهای آن در علوم مختلف
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ABFGCB
لینک مستقیم مقاله : https://isnac.ir/AAHD-ABFGCB
سایر مقالات ارائه دهنده
سایر مقالات محل انتشار
- A Study on Design Understandability and Interaction of the therapy-specific Robots
- طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتیژن
- طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
- یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکههای خودرویی شهرهای هوشمند با استفاده از دادههای ترافیکی شبکه سلولی
- An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
- تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکههای عصبی
- Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
- ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
- کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
- Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
- Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
- تحلیل آیندهپژوهانه همگرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
- نقش تحول دیجیتال در خدمات کتابخانههای عمومی برای توانیابان جسمی و ذهنی
- Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
- Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems