MP-Net:用于医疗图像细分的多中心隐私保护网络

科学领域:

• 医疗成像医学成像
• 计算机科学 计算机科学
• 数据安全 数据安全

背景情况:

• 多中心合作对于强大的医学图像分析至关重要.
• 像联合学习这样的现有方法在数据传输和隐私方面面临挑战.
• 医疗成像需要安全有效的协作学习框架.

研究的目的:

• 介绍多中心隐私保护网络 (MP-Net) 的安全医疗图像细分.
• 开发多中心协作学习的新框架,增强数据隐私并减少数据传输.
• 通过可计算的图像加密实现基于密码文本的安全图像分割.

主要方法:

• MP-Net采用了三层模型:加密,细分和解密网络.
• 图像数据使用加密网络将其加密为加密文本.
• 改进的U-Net在加密的图像数据上执行细分,然后进行解密以获得细分面具.

主要成果:

• 该MP-Net框架允许安全利用多中心数据进行细分.
• 与传统的联合学习相比,该方法显著降低了数据传输量.
• 对心脏MRI和CTPA数据集的评估证明了该框架的有效性.

结论:

• MP-Net为多中心医疗图像细分提供了一种新且安全的方法.
• 该框架增强了数据隐私保护,同时保持了细分的准确性.
• 通过安全地利用分布式数据,MP-Net促进了更强大的细分模型的开发.