5 статей
Статья представляет систему CB-GFL, объединяющую федеративное обучение (FL) с учетом углеродного следа и блокчейн-аудитом для защиты данных и устойчивости в здравоохранении. Модель использует ансамбль алгоритмов (LightGBM, XGBoost) и достигает высокой точности (AUC 0.91) на медицинских данных, обеспечивая при этом 100% соблюдение углеродного бюджета.
Представлена блокчейн-структура PQ-FundusChain для квантово-устойчивого обмена изображениями глазного дна в телеофтальмологии. Используются постквантовые криптографические алгоритмы (ML-KEM, ML-DSA) и децентрализованное хранение, что обеспечивает безопасность и конфиденциальность. Эксперименты на наборе данных Messidor-2 показали низкие вычислительные затраты и задержку менее 1 мс, что подтверждает практическую применимость.
Разработана платформа на базе Web 3.0 и блокчейна для управления динамическим согласием участников скрининга рака легких в Тайване. Система интегрирует ИИ для оценки рисков и обеспечивает прозрачное использование биомедицинских данных и результатов КТ при соблюдении этических норм.
Представлен SENTINEL-Chain — система, объединяющая методы дифференциальной приватности и блокчейн для безопасного обмена электронными медицинскими картами. Разработанный подход позволяет сохранить высокую аналитическую ценность данных (98.2%) при обеспечении устойчивости к атакам на идентификацию пациентов.
Систематический обзор посвящен интеграции машинного обучения, IoMT и блокчейна для обеспечения безопасности и эффективности ухода за новорожденными в отделениях интенсивной терапии. Исследование выявляет возможности ML для ранней диагностики и прогнозирования рисков, а также подчеркивает необходимость создания единых систем для обеспечения целостности данных и непрерывного мониторинга.
