EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Cancelable Multi-Branch Deep Learning Framework for Privacy-Preserving ECG Biometric Authentication

Mohamed Hammad, Ali Abdullah S. AlQahtani, Mohammed ELAffendi, Abdelhamied A. Ateya, Nebojsa Bacanin

IEEE Access · 2025 · 13 · 119090-119109

DOI: 10.1109/access.2025.3585673 ↗

Kurz gefasst

Fachartikel in der Zeitschrift IEEE Access, 2025. Verfasst von Mohamed Hammad und 4 weiteren Autor:innen. Die Arbeit wurde bisher 5-mal zitiert (Crossref) und nennt 38 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Prince Sultan University for paying the Article Processing Charges.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • Prince Sultan University for paying the Article Processing Charges

Zitieren

APA

Hammad, M., AlQahtani, A. A. S., ELAffendi, M., Ateya, A. A., & Bacanin, N. (2025). Cancelable Multi-Branch Deep Learning Framework for Privacy-Preserving ECG Biometric Authentication. IEEE Access, 13, 119090-119109. https://doi.org/10.1109/access.2025.3585673

Vancouver

Hammad M, AlQahtani AAS, ELAffendi M, Ateya AA, Bacanin N. Cancelable Multi-Branch Deep Learning Framework for Privacy-Preserving ECG Biometric Authentication. IEEE Access. 2025;13:119090-119109. doi:10.1109/access.2025.3585673

BibTeX
@article{Hammad2025,
  author = {Hammad, Mohamed and AlQahtani, Ali Abdullah S. and ELAffendi, Mohammed and Ateya, Abdelhamied A. and Bacanin, Nebojsa},
  title = {Cancelable Multi-Branch Deep Learning Framework for Privacy-Preserving ECG Biometric Authentication},
  journal = {IEEE Access},
  year = {2025},
  volume = {13},
  pages = {119090--119109},
  doi = {10.1109/access.2025.3585673}
}
Kostenlos starten →