在合成3DPET成像中使用横向GAN评估隐私泄露
Robert V Bergen1, Jean-Francois Rajotte1, Fereshteh Yousefirizi2
1Data Science Institute, University of British Columbia, BC V6T 1Z4, Canada.
Computer methods and programs in biomedicine
|November 17, 2023
概括
一个新的3D生成模型,横向GAN (TrGAN),在保护患者隐私的同时生成医疗图像. 研究人员可以使用其决策程序来平衡数据实用性和隐私,以便共享或增强数据集.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 在医疗图像上训练人工智能受到隐私问题的阻碍,限制了数据共享.
- 关于它们的隐私泄露潜力,3D生成模型的研究不足.
研究的目的:
- 介绍横向GAN (TrGAN),一个用于医学成像的3D生成模型.
- 在使用新框架的3D生成模型中评估隐私-实用性权衡.
- 在图像忠实性,实用性和隐私之间建立关系.
主要方法:
- 使用头部和部PET图像在瘤口罩上进行调节,作为TrGAN的案例研究.
- 定义了图像真实性和实用性的定量指标.
- 提出了一个会员推断攻击框架,以评估隐私泄露.
主要成果:
- TrGAN歧视因子容易受到成员推断攻击 (AUC = 0.99).
- 只有发电机访问的攻击者无法可靠地推断训练数据 (AUC = 0.51).
- 证明了一种决定程序,用于量化公用事业-隐私权的权衡.
结论:
- TrGAN生成具有高保真度和最小隐私损失的3D医疗图像.
- 拟议的公用事业隐私决策程序有助于研究人员进行数据共享和数据集增强.
更多相关视频
09:21Human Brown Adipose Tissue Depots Automatically Segmented by Positron Emission Tomography/Computed Tomography and Registered Magnetic Resonance Images
Published on: February 18, 2015
12.2K
05:32Retrospective Cardiac Gating with A Prototype Small-Animal X-ray Computed Tomograph
Published on: February 21, 2025
295
