Fugu-MT 論文翻訳(概要): Application of Homomorphic Encryption in Medical Imaging

論文の概要: Application of Homomorphic Encryption in Medical Imaging

arxiv url: http://arxiv.org/abs/2110.07768v1
Date: Tue, 12 Oct 2021 19:57:12 GMT
ステータス: 処理完了
システム内更新日: 2021-10-24 04:34:27.938413
Title: Application of Homomorphic Encryption in Medical Imaging
Title（参考訳）: 均一暗号の医用画像への応用
Authors: Francis Dutil, Alexandre See, Lisa Di Jorio and Florent Chandelier
Abstract要約: 医療画像の予測にHEを用いて,不正な二次的データの使用を防止できることを示す。結節検出に3次元胸部CT-Scansを用いた実験を行った。
参考スコア（独自算出の注目度）: 60.51436886110803
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In this technical report, we explore the use of homomorphic encryption (HE) in the context of training and predicting with deep learning (DL) models to deliver strict \textit{Privacy by Design} services, and to enforce a zero-trust model of data governance. First, we show how HE can be used to make predictions over medical images while preventing unauthorized secondary use of data, and detail our results on a disease classification task with OCT images. Then, we demonstrate that HE can be used to secure the training of DL models through federated learning, and report some experiments using 3D chest CT-Scans for a nodule detection task.
Abstract（参考訳）: 本技術報告では,厳密な \textit{Privacy by Design} サービスの提供や,データガバナンスのゼロトラストモデルの適用のために,トレーニングやディープラーニング(DL)モデルによる予測における同型暗号化(HE)の利用について検討する。まず, OCT画像を用いた疾患分類タスクにおいて, HEを用いて医療画像の予測を行い, データの不正な二次的使用を防止できることを示し, その結果を詳述する。そこで,本研究では,3次元胸部CT-Scansを用いて結節検出を行う実験を,連合学習によるDLモデルのトレーニングに活用できることを実証した。

関連論文リスト

Robustness Testing of Black-Box Models Against CT Degradation Through Test-Time Augmentation [1.7788343872869767]
医用画像のセグメンテーションと物体検出のためのディープラーニングモデルは、臨床製品としてますます利用されつつある。トレーニングデータの詳細はめったに提供されないため、トレーニングディストリビューションとケースが異なる場合、モデルは予期せず失敗する可能性がある。画像品質変化に対するこれらのモデルのロバスト性をテストする方法を提案する。
論文参考訳（メタデータ） (2024-06-27T22:17:49Z)
Unsupervised Contrastive Analysis for Salient Pattern Detection using Conditional Diffusion Models [13.970483987621135]
コントラスト分析(CA)は、背景(BG)データセットとターゲット(TG)データセット(不健康な被験者)を区別できる画像内のパターンを識別することを目的としている。この話題に関する最近の研究は、BGサンプルからTGサンプルを分離するパターンを教師付きで学習するために、変分オートエンコーダ(VAE)や対照的な学習戦略に依存している。自己教師付きコントラストエンコーダを用いて、入力画像から共通パターンのみを符号化する潜時表現を学習し、トレーニング中にBGデータセットからのみサンプルを用いて学習し、データ拡張技術を用いて対象パターンの分布を近似する。
論文参考訳（メタデータ） (2024-06-02T15:19:07Z)
Disruptive Autoencoders: Leveraging Low-level features for 3D Medical Image Pre-training [51.16994853817024]
本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2023-07-31T17:59:42Z)
LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical Imaging via Second-order Graph Matching [59.01894976615714]
LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。 55の公開データセットから約13万の医療画像を収集しました。 LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
論文参考訳（メタデータ） (2023-06-20T22:21:34Z)
Vision-Language Modelling For Radiological Imaging and Reports In The Low Data Regime [70.04389979779195]
本稿では,視覚および言語入力を共通空間に埋め込んだ医用視覚言語モデル(VLM)について検討する。本稿では,新しい画像領域やテキスト領域への汎用事前学習モデルの適用など,低データ性能向上のためのいくつかの候補手法について検討する。テキスト・ツー・イメージ検索をベンチマークとして,2つの胸部X線および放射線学的報告を用いた可変サイズのトレーニングデータセットを用いて,これらの手法の性能評価を行った。
論文参考訳（メタデータ） (2023-03-30T18:20:00Z)
Self-supervised Model Based on Masked Autoencoders Advance CT Scans Classification [0.0]
本稿では,自己教師付き学習アルゴリズムMAEに着想を得た。 ImageNetで事前トレーニングされたMAEモデルを使用して、CT Scansデータセット上で転送学習を実行する。この方法はモデルの一般化性能を改善し、小さなデータセットに過度に適合するリスクを回避する。
論文参考訳（メタデータ） (2022-10-11T00:52:05Z)
Slice-level Detection of Intracranial Hemorrhage on CT Using Deep Descriptors of Adjacent Slices [0.31317409221921133]
そこで本研究では,隣接するスライスのディスクリプタに基づいて,CTスキャンでエンフスライスレベルの分類器を訓練する新しい手法を提案する。我々は、RSNA頭蓋内出血データセットの課題における、最高のパフォーマンスソリューションの上位4%において、単一のモデルを得る。提案手法は汎用的であり,MRIなどの他の3次元診断タスクにも適用可能である。
論文参考訳（メタデータ） (2022-08-05T23:20:37Z)
Assessing Privacy Leakage in Synthetic 3-D PET Imaging using Transversal GAN [2.0764611233067534]
腫瘍マスクに装着した頭頸部PET画像を用いた3次元生成モデルTransversal GAN (TrGAN) を症例として紹介した。 TrGANの識別器は攻撃に対して脆弱であり、攻撃者がどのサンプルをほぼ完璧に訓練に用いたかを識別できることを示す。これは、TrGANジェネレータは、識別器ではないが、最小限のプライバシーリスクで合成3DPETデータを共有するために使用される可能性があることを示唆している。
論文参考訳（メタデータ） (2022-06-13T20:02:32Z)
A Multi-Stage Attentive Transfer Learning Framework for Improving COVID-19 Diagnosis [49.3704402041314]
新型コロナの診断を改善するための多段階集中移動学習フレームワークを提案する。提案するフレームワークは、複数のソースタスクと異なるドメインのデータから知識を学習し、正確な診断モデルを訓練する3つの段階からなる。本稿では,肺CT画像のマルチスケール表現を学習するための自己教師付き学習手法を提案する。
論文参考訳（メタデータ） (2021-01-14T01:39:19Z)
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)

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。