Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Synthesizing electronic health records using improved generative adversarial networks
2018·239 Zitationen·Journal of the American Medical Informatics AssociationOpen Access
Volltext beim Verlag öffnen239
Zitationen
4
Autoren
2018
Jahr
Abstract
The proposed models can adequately learn the data distribution of real EHRs and efficiently generate realistic synthetic EHRs. The results show the superiority of our models over the existing model.
Ähnliche Arbeiten
Deep learning
2015 · 80.232 Zit.
Learning Multiple Layers of Features from Tiny Images
2024 · 25.470 Zit.
GAN（Generative Adversarial Nets）
2017 · 21.794 Zit.
Unpaired Image-to-Image Translation Using Cycle-Consistent Adversarial Networks
2017 · 21.688 Zit.
SSD: Single Shot MultiBox Detector
2016 · 20.601 Zit.
Autoren
Institutionen
Themen
Generative Adversarial Networks and Image SynthesisMachine Learning in HealthcareAI in cancer detection