<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Traceability on وبلاگ Formize.com</title><link>https://blog.formize.com/fa/tags/traceability/</link><description>Recent content in Traceability on وبلاگ Formize.com</description><generator>Hugo</generator><language>fa</language><atom:link href="https://blog.formize.com/fa/tags/traceability/index.xml" rel="self" type="application/rss+xml"/><item><title>شتابدهی قابلیت ردیابی داده‌های مصنوعی برای پژوهش‌های بهداشتی با فرمیز</title><link>https://blog.formize.com/fa/synthetic-data-traceability-for-healthcare-research/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://blog.formize.com/fa/synthetic-data-traceability-for-healthcare-research/</guid><description>&lt;h1 id="شتابدهی-قابلیت-ردیابی-دادههای-مصنوعی-برای-پژوهشهای-بهداشتی-با-فرمیز">شتابدهی قابلیت ردیابی داده‌های مصنوعی برای پژوهش‌های بهداشتی با فرمیز&lt;/h1>
&lt;h2 id="چرا-قابلیت-ردیابی-دادههای-مصنوعی-در-بهداشت-و-درمان-مهم-است">چرا قابلیت ردیابی داده‌های مصنوعی در بهداشت و درمان مهم است&lt;/h2>
&lt;p>پروژه‌های هوش مصنوعی بهداشتی به مجموعه‌های داده عظیمی وابسته‌اند که اغلب حاوی اطلاعات بهداشتی محافظت‌شده (PHI) هستند. برای حفظ حریم خصوصی بیماران در حالی که امکان آموزش مدل‌های با کیفیت بالا فراهم می‌شود، سازمان‌ها به &lt;strong>داده‌های مصنوعی&lt;/strong> روی می‌آورند — رکوردهای به‌صورت مصنوعی تولید شده که ویژگی‌های آماری داده‌های واقعی بیمار را تقلید می‌کنند.&lt;/p></description></item></channel></rss>