Boosting Breast Cancer Classification in Histopathological Images Through Federated Learning Techniques
0Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : in. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Boosting Breast Cancer Classification in Histopathological Images Through Federated Learning Techniques
- Date Crossref
- 02/12/2025
- Éditeur
- Springer Nature Singapore
- Type
- book-chapter
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
SR University Department of ECE pays non établi dans la noticeUniversité ou école supérieure
-
Baddi University of Emerging Sciences and Technologies pays non établi dans la noticeUniversité ou école supérieure
-
Chitkara University BE-CSE pays non établi dans la noticeUniversité ou école supérieure
-
School of Computer Science and Artificial Intelligence pays non établi dans la noticeUniversité ou école supérieure
-
Geethanjali College of Engineering and Technology Department of CSE pays non établi dans la noticeUniversité ou école supérieure
-
Vignan’s Institute of Information Technology pays non établi dans la noticeStructure de recherche
-
Jyothishmathi Institute of Technology and Science pays non établi dans la noticeStructure de recherche
Department of ECE — SR University, Baddi University of Emerging Sciences and Technologies et BE-CSE — Chitkara University, avec 4 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Privacy-Preserving Technologies in DataAI in cancer detectionCutaneous Melanoma Detection and Management