Aller au contenu principal
Accès ouvert déclaré 2026 conference-paper

DST-GAN: Dempster-Shafer Based Fusion for Multimodal Oversampling of Healthcare Data

0Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : gb. 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
DST-GAN: Dempster-Shafer Based Fusion for Multimodal Oversampling of Healthcare Data
Date Crossref
08/07/2026
Éditeur
Springer Nature Switzerland
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

  • Queen's University Belfast Johnston Cancer Research Centre pays non établi dans la notice
    Université ou école supérieure
  • The Northern Ireland Cancer Centre pays non établi dans la notice
    Établissement de santé
  • University of Ulster pays non établi dans la notice
    Université ou école supérieure
  • School of Electronics pays non établi dans la notice
    Université ou école supérieure
  • Ulster University The Centre for Genomic Medicine pays non établi dans la notice
    Université ou école supérieure

Johnston Cancer Research Centre — Queen's University Belfast, The Northern Ireland Cancer Centre et University of Ulster, avec 2 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Machine Learning in HealthcareImbalanced Data Classification TechniquesGenerative Adversarial Networks and Image Synthesis

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.