在MRI扫描中提高瘤深假检测,使用对抗特征融合合奏
Aleem Ali1, H Anwar Basha2, K Thanuja3
1Department of Computer Science & Engineering, UIE, Chandigarh University, Mohali, Punjab, 140413, India.
Scientific reports
|December 9, 2025
概括
人工智能产生的医疗深度假冒对患者安全构成风险. 我们的新系统,AFFETDS (对抗特征融合增强瘤检测系统),有效地检测使用对抗训练和特征融合操纵的医疗图像.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 网络安全 网络安全
背景情况:
- 人工智能产生的医学深度假冒,就像改变的瘤扫描一样,威胁到患者的安全和医疗保健的完整性.
- 目前的深度假冒检测方法往往缺乏对抗攻击的稳定性,并且无法整合多式联运功能.
研究的目的:
- 提出AFFETDS (对抗特征融合增强瘤检测系统),这是一个整体框架,以加强对人工智能产生的医疗深度假冒的检测.
- 提高医疗图像真实性验证的稳定性和准确性.
主要方法:
- 开发了AFFETDS,一个整体框架,结合了对抗训练 (PGD,FGSM) 和多式联网功能融合 (ResNet50 + HOG).
- 采用基于SVM的组合分类器进行加权投票.
- 在TCIA和ADNI存储库中对1378个MRI扫描进行了评估.
主要成果:
- AFFETDS实现了最先进的性能:91.5%的准确性,90.7%的精度,91.2%的回忆.
- 超过基线模型的表现 (SVM: 86.2%,CNN: 88.4%).
- 证明了卓越的概括性,ROC-AUC为0.80和校准的信心评分.
结论:
- 通过结合对抗技术和多式特征融合,AFFETDS有效地检测医疗图像中的微妙瘤操纵.
- 该框架作为维护医疗图像真实性的关键保障.
- 强调迫切需要主动防御医疗保健中的深度假冒威胁.
