Measuring and Optimizing the Quality of Anonymized Health Data

Eicher, Johanna

Informatik 31 - Lehrstuhl für Artificial Intelligence in Healthcare and Medicine (Prof. Rückert)

Back
Back to start of result list
Permanent link for displayed object

If you experience problems opening the document, please try this link.

Original title:: Measuring and Optimizing the Quality of Anonymized Health Data
Translated title:: Messen und Optimieren der Qualität anonymisierter Gesundheitsdaten
Author:: Eicher, Johanna
Year:: 2025
Document type:: Dissertation
Faculty/School:: TUM School of Computation, Information and Technology
Institution:: Informatik 31 - Lehrstuhl für Artificial Intelligence in Healthcare and Medicine (Prof. Rückert)
Advisor:: Boeker, Martin (Prof. Dr.)
Referee:: Boeker, Martin (Prof. Dr.); Kohlbacher, Oliver (Prof. Dr.)
Language:: en
Subject group:: DAT Datenverarbeitung, Informatik; MED Medizin
Keywords:: privacy, data anonymization, health data, data quality
TUM classification:: DAT 700; MED 370; MED 230
Abstract:: This dissertation focuses on data quality in the context of data anonymization. Quantifying data quality is a complex issue as the usefulness of data depends on the usage scenario. We provide recommendations for selecting general-purpose quality models for different application scenarios and we confirm the usefulness of one specific special-purpose model for statistical classification. Moreover, we provide software support by integrating our solutions into the data anonymization tool ARX.
Translated abstract:: Diese Dissertation beschäftigt sich mit Qualität von Daten im Kontext der Anonymisierung. Die Quantifizierung von Qualität ist komplex, da die Nützlichkeit vom Anwendungsszenario abhängt. Wir geben Empfehlungen für die Auswahl von allgemeinen Qualitätsmodellen für verschiedene Anwendungsszenarien und bestätigen die Nützlichkeit eines speziellen Modells für statistische Klassifikation. Wir bieten Softwareunterstützung, indem wir unsere Lösungen in das Datenanonymisierungstool ARX integrieren.
WWW:: https://mediatum.ub.tum.de/?id=1733720
Date of submission:: 19.02.2024
Oral examination:: 22.01.2025
File size:: 8651185 bytes
Pages:: 112
Urn (citeable URL):: https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20250122-1733720-0-4
Last change:: 07.03.2025
BibTeX

Occurrences:

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten School TUM School of Computation, Information and Technology

mediaTUM Gesamtbestand Einrichtungen Schools TUM School of Computation, Information and Technology Prüfungsarbeiten Dissertationen

mediaTUM Gesamtbestand Hochschulbibliographie 2025 Schools TUM School of Computation, Information and Technology Informatik 31 - Lehrstuhl für Artificial Intelligence in Healthcare and Medicine (Prof. Rückert)

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten Fachgebiet Medizin

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten Fachgebiet Datenverarbeitung, Informatik

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten School TUM School of Computation, Information and Technology Computer Science