論文の概要: Private Facial Diagnosis as an Edge Service for Parkinson's DBS Treatment Valuation

• arxiv url: http://arxiv.org/abs/2105.07533v1
• Date: Sun, 16 May 2021 22:24:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-19 03:11:59.914154
• Title: Private Facial Diagnosis as an Edge Service for Parkinson's DBS Treatment Valuation
• Title（参考訳）: パーキンソンDBS治療評価のためのエッジサービスとしての私的顔面診断
• Authors: Richard Jiang, Paul Chazot, Danny Crookes, Ahmed Bouridane and M Emre Celebi
• Abstract要約: PD患者に対する深部脳刺激(DBS)の治療を解析するためのエッジ指向のプライバシー保護型顔診断フレームワークを提案する。 PD患者から収集した顔のデータセットを用いた実験では、DBS治療中のPD患者の改善を評価するために顔のパターンが使用できることを初めて示しました。
• 参考スコア（独自算出の注目度）: 16.425558398408963
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Facial phenotyping has recently been successfully exploited for medical diagnosis as a novel way to diagnose a range of diseases, where facial biometrics has been revealed to have rich links to underlying genetic or medical causes. In this paper, taking Parkinson's Diseases (PD) as a case study, we proposed an Artificial-Intelligence-of-Things (AIoT) edge-oriented privacy-preserving facial diagnosis framework to analyze the treatment of Deep Brain Stimulation (DBS) on PD patients. In the proposed framework, a new edge-based information theoretically secure framework is proposed to implement private deep facial diagnosis as a service over a privacy-preserving AIoT-oriented multi-party communication scheme, where partial homomorphic encryption (PHE) is leveraged to enable privacy-preserving deep facial diagnosis directly on encrypted facial patterns. In our experiments with a collected facial dataset from PD patients, for the first time, we demonstrated that facial patterns could be used to valuate the improvement of PD patients undergoing DBS treatment. We further implemented a privacy-preserving deep facial diagnosis framework that can achieve the same accuracy as the non-encrypted one, showing the potential of our privacy-preserving facial diagnosis as an trustworthy edge service for grading the severity of PD in patients.
• Abstract（参考訳）: 顔の表現型は、遺伝子や医学上の原因と豊富な関連があることが判明した、様々な疾患を診断するための新しい方法として、医療診断に成功している。 本稿では、パーキンソン病(PD)を症例として、PD患者に対する深部脳刺激(DBS)治療を解析するための、エッジ指向のプライバシ保存顔診断フレームワークAIoT(Artificial-Intelligence-of-Things)を提案する。 提案するフレームワークでは,プライバシ保存型aiot指向のマルチパーティ通信方式において,プライバシ保護型深部顔診断を直接暗号化された顔パターン上で実現するために,プライバシ保護型顔診断(phe)を活用するための,エッジベース情報理論的にセキュアな新たな枠組みが提案されている。 pd患者から採取した顔データを用いた実験で,dbs治療中のpd患者の改善を評価するために顔パターンが利用できることを示した。 さらに,非暗号化画像と同じ精度を達成できる,プライバシー保護の深い顔診断フレームワークを実装し,患者のPDの重症度を評価するための信頼できるエッジサービスとして,プライバシー保護の顔診断の可能性を示した。

関連論文リスト

• FedDP: Privacy-preserving method based on federated learning for histopathology image segmentation [2.864354559973703]
  本稿では,医用画像データの分散特性とプライバシ感受性について,フェデレート学習フレームワークを用いて検討する。 提案手法であるFedDPは,がん画像データのプライバシーを効果的に保護しつつ,モデルの精度に最小限の影響を与える。
  論文  参考訳（メタデータ） (2024-11-07T08:02:58Z)
• Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
  この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。 また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-31T19:28:04Z)
• OpticalDR: A Deep Optical Imaging Model for Privacy-Protective Depression Recognition [66.91236298878383]
  抑うつ認識(DR)は、特にプライバシー上の懸念の文脈において、大きな課題となる。 我々は,疾患関連特徴を保持しつつ,撮像した顔画像の識別情報を消去する新しいイメージングシステムを設計した。 正確なDRに必要な本態性疾患の特徴を保ちながら、アイデンティティ情報の回復には不可逆である。
  論文  参考訳（メタデータ） (2024-02-29T01:20:29Z)
• Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
  本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。 具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。 本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
  論文  参考訳（メタデータ） (2023-09-11T09:26:07Z)
• Facial Point Graphs for Amyotrophic Lateral Sclerosis Identification [0.0]
  本稿では,顔画像の形状から情報を学習し,ALSを自動的に識別する顔点グラフを提案する。 トロント・ニューロフェイス・データセットの実験結果は、提案されたアプローチが最先端の結果より優れていることを示している。
  論文  参考訳（メタデータ） (2023-07-22T20:16:39Z)
• Private, fair and accurate: Training large-scale, privacy-preserving AI models in medical imaging [47.99192239793597]
  我々は,AIモデルのプライバシ保護トレーニングが,非プライベートトレーニングと比較して精度と公平性に与える影響を評価した。 我々の研究は、実際の臨床データセットの困難な現実的な状況下では、診断深層学習モデルのプライバシー保護トレーニングは、優れた診断精度と公正さで可能であることを示しています。
  論文  参考訳（メタデータ） (2023-02-03T09:49:13Z)
• Practical Digital Disguises: Leveraging Face Swaps to Protect Patient Privacy [1.7249222048792818]
  プライバシー保護のための顔交換は、研究の活発な領域として現れている。 本研究の主な貢献は,小児の自閉症症状の標準的な評価ビデオのための,エンドツーエンドの顔交換パイプラインである。
  論文  参考訳（メタデータ） (2022-04-07T16:34:15Z)
• Privacy-preserving medical image analysis [53.4844489668116]
  医用画像におけるプライバシ保護機械学習(PPML)のためのソフトウェアフレームワークであるPriMIAを提案する。 集合型学習モデルの分類性能は,未発見データセットの人間専門家と比較して有意に良好である。 グラデーションベースのモデル反転攻撃に対するフレームワークのセキュリティを実証的に評価する。
  論文  参考訳（メタデータ） (2020-12-10T13:56:00Z)
• Face Anti-Spoofing by Learning Polarization Cues in a Real-World Scenario [50.36920272392624]
  顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。 RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。 本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T03:04:03Z)
• Deepfakes for Medical Video De-Identification: Privacy Protection and Diagnostic Information Preservation [12.10092482860325]
  顔認識アプローチとしてのフェイススワッピングは信頼性が高く、キーポイントはほぼ不変であり、従来の方法よりもはるかに優れている。 本研究では,医療データ共有の倫理的制約をクリアし,映像の識別とキーポイント保存のためのパイプラインを提案する。
  論文  参考訳（メタデータ） (2020-02-07T22:36:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。