A novel COVID-19 data set and an effective deep learning approach for the de-identification of Italian medical records

Autor: Catelli R., Gargiulo F., Casola V., De Pietro G., Fujita H., Esposito M.

Publikováno v: IEEE access 9 (2021): 19097–19110. doi:10.1109/ACCESS.2021.3054479
info:cnr-pdr/source/autori:Catelli R.; Gargiulo F.; Casola V.; De Pietro G.; Fujita H.; Esposito M./titolo:A Novel COVID-19 Data Set and an Effective Deep Learning Approach for the De-Identification of Italian Medical Records/doi:10.1109%2FACCESS.2021.3054479/rivista:IEEE access/anno:2021/pagina_da:19097/pagina_a:19110/intervallo_pagine:19097–19110/volume:9

In the last years, the need to de-identify privacy-sensitive information within Electronic Health Records (EHRs) has become increasingly felt and extremely relevant to encourage the sharing and publication of their content in accordance with the rest

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::abfb291954c604eef021f80c3cb3f3e4
http://hdl.handle.net/11588/837697

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.