同型暗号化によるプライバシー保護のディープラーニングモデルの開発:腎臓CTイメージングにおける技術的実現可能性研究

科学分野:

• 医療用イメージング
• 人工知能
• 暗号化

背景:

• ディープラーニングモデルは,腎臓のCT画像の分析に有効です.
• しかし,プライバシーの懸念は,これらのモデルで敏感な患者のデータの使用を制限しています.
• ホモモルフな暗号化は,プライバシー保護分析の潜在的な解決策を提供します.

研究 の 目的:

• プライバシーを守るCT腎臓質量分析のためのディープラーニングにホモモルフな暗号化を統合する技術的可行性を評価する.
• 診断性能と計算上の要求に対する暗号化の影響を評価する.

主な方法:

• 3段階のディープラーニングシステムを開発しました.参照CNN (Ref-CNN),暗号化のために修正された (Approx-CNN),CKKSスキームを使用して完全に同型暗号化 (HE-CNN).
• 腎臓の12446のCT画像でモデルを訓練し評価した.
• 受信機操作特性曲線 (AUC) 下の面積と精度リコール曲線 (AUPRC) 下の面積を用いて性能を評価した.

主要な成果:

• すべてのモデルは高い診断精度を達成した (AUC: 0. 89- 0. 99,AUPRC: 0. 67- 0. 99).
• Ref-CNNとApprox-CNNの間で観測された最小のパフォーマンストレードオフ.
• ホモモルフな暗号化により,ストレージ (65KBから32MB) と計算時間が大幅に増加した (CPU 50分 vs. GPU 90秒).

結論:

• 同型暗号を用いたプライバシー保護の深層学習推論は,CT画像での腎臓質量分類に技術的に実現可能である.
• エンドツーエンドのデータ暗号化により,同様の診断性能が得られます.
• コンピューティングとストレージの要件が大幅に増加したため,最適化されたハードウェアの加速が必要になります.