肺癌诊断的秘密学习 - - 一项使用同态加密,纹理分析和深度学习的研究
Subhrangshu Adhikary1, Subhayu Dutta2, Ashutosh Dhar Dwivedi3
1Dept. of Research and Development, Spiraldevs Automation Industries Pvt. Ltd., West Bengal, 733123, India.
Biomedical physics & engineering express
|November 9, 2023
概括
这项研究引入了一种用于检测肺癌的隐私保护方法,该方法在CT扫描上使用同型加密. 这种新的方法在分类癌症和非癌症肺组织方面取得了很高的准确性.
科学领域:
- 医疗成像医学成像
- 密码学 密码学 密码学
- 人工智能的人工智能
背景情况:
- 从CT扫描中自动检测肺癌对于早期诊断至关重要.
- 深度学习模型显示出希望,但由于数据共享而引发隐私问题.
- 现有的隐私方法,如联合学习和差异隐私,都有局限性.
研究的目的:
- 提出一种新的方法,使用同型加密来保护隐私的肺癌分类.
- 解决医疗成像分析中现有的隐私保护技术的局限性.
主要方法:
- 在CT扫描图像上实施同型加密 (正常,腺癌,大细胞癌,状细胞癌).
- 从加密数据中提取纹理信息.
- 使用深度学习模型对加密数据进行分类.
主要成果:
- 实现了0.9347的分类准确度,用于肺癌检测.
- 证明了对加密医疗数据进行计算的可行性.
结论:
- 同型加密为医疗图像分析中的隐私保护深度学习提供了强大的解决方案.
- 拟议的方法有效地分类肺癌类型,同时保持数据保密性.
