यह शोधपत्र एक मशीन अनलर्निंग तकनीक का मूल्यांकन करता है जो मौजूदा प्रशिक्षित चिकित्सा छवि वर्गीकरण मॉडलों से संवेदनशील डेटा हटा देती है। PathMNIST, OrganAMNIST, और BloodMNIST डेटासेट का उपयोग करते हुए, हम SalUn अनलर्निंग मॉडल के प्रदर्शन का प्रयोगात्मक विश्लेषण करते हैं और अनलर्निंग गुणवत्ता पर डेटा संवर्द्धन के प्रभाव की जाँच करते हैं। प्रायोगिक परिणाम दर्शाते हैं कि SalUn मॉडल पुनर्प्रशिक्षण के बराबर प्रदर्शन प्राप्त करता है, जो दर्शाता है कि यह चिकित्सा अनुप्रयोगों के लिए एक प्रभावी समाधान है।
