Gerando conjuntos de dados clínicos infinitamente escaláveis sem risco de exposição de dados protegidos (PHI).
Modelos de difusão e GANs treinados em dados anonimizados geram séries temporais de PPG e EEG fiéis às distribuições clínicas reais, sem conter dados biométricos de pacientes reais.
Limites de privacidade diferencial garantem que ataques de inferência não consigam identificar registros de pacientes específicos no treinamento.