論文の概要: A Survey on Patients Privacy Protection with Stganography and Visual
Encryption
- arxiv url: http://arxiv.org/abs/2201.09388v1
- Date: Sun, 23 Jan 2022 22:44:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-25 17:21:21.892427
- Title: A Survey on Patients Privacy Protection with Stganography and Visual
Encryption
- Title(参考訳): stganography と visual encryption を用いた患者のプライバシー保護に関する調査
- Authors: Hussein K. Alzubaidy, Dhiah Al-Shammary, Mohammed Hamzah Abed
- Abstract要約: 本調査では, 患者のプライバシ保護のために, ステガノグラフィーおよび視覚暗号化手法の30モデルについて検討した。
本調査では, 患者のプライバシ保護のために, ステガノグラフィーおよび視覚暗号化手法の30モデルについて検討した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this survey, thirty models for steganography and visual encryption methods
have been discussed to provide patients privacy protection.
- Abstract(参考訳): 本研究では,患者プライバシ保護のためにステガノグラフィとビジュアル暗号化の30モデルについて検討した。
関連論文リスト
- 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) - Reversing Deep Face Embeddings with Probable Privacy Protection [6.492755549391469]
生体認証のソフトなプライバシー保護を破るために、保護された顔埋め込みに対して最先端の顔画像再構成アプローチが評価されている。
その結果,生体認証による顔の埋め込みは,最大98%の精度で再現可能であることがわかった。
論文 参考訳(メタデータ) (2023-10-04T17:48:23Z) - 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) - Private, fair and accurate: Training large-scale, privacy-preserving AI
models in medical imaging [49.588766426499184]
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) - Fairly Private: Investigating The Fairness of Visual Privacy
Preservation Algorithms [1.5293427903448025]
本稿では,一般的に使用されている視覚的プライバシ保護アルゴリズムの妥当性について検討する。
PubFigデータセットの実験は、提供されたプライバシ保護がグループ間で不平等であることを明確に示している。
論文 参考訳(メタデータ) (2023-01-12T13:40:38Z) - A Survey on Computer Vision based Human Analysis in the COVID-19 Era [58.79053747159797]
新型コロナウイルスの出現は、社会全体だけでなく、個人の生活にも大きく影響している。
マスクやソーシャルディスタンシングの義務、公共空間での定期消毒、スクリーニングアプリケーションの使用など、さまざまな予防策が世界中で導入されている。
これらの発展は、(i)視覚データの自動解析による予防対策の支援、(ii)生体認証などの既存の視覚ベースのサービスの正常な操作を容易にする、新しいコンピュータビジョン技術の必要性を喚起した。
論文 参考訳(メタデータ) (2022-11-07T17:20:39Z) - Deep Learning-based Anonymization of Chest Radiographs: A
Utility-preserving Measure for Patient Privacy [7.240611820374677]
従来の匿名化処理は、画像中の個人情報をブラックボックスで隠蔽して行う。
このような単純な測定は、胸部X線写真に生体情報を保持し、リンケージ攻撃によって患者の再同定を可能にする。
胸部X線画像の匿名化を目的とした,初となる深層学習型アプローチ(PriCheXy-Net)を提案する。
論文 参考訳(メタデータ) (2022-09-23T11:36:32Z) - Securing the Classification of COVID-19 in Chest X-ray Images: A
Privacy-Preserving Deep Learning Approach [1.4146420810689422]
我々は,チェストX線画像の分類をセキュアにするために,プライバシー保護型ディープラーニング(PPDL)に基づくアプローチを提案する。
提案手法は,部分同型暗号化を用いたデータセットの暗号化と,暗号化された画像上でのDLアルゴリズムのトレーニング/テストという2つのステップに基づいている。
COVID-19ラジオグラフィーデータベースの実験結果によると、MobileNetV2モデルは通常のデータに対して94.2%、暗号化されたデータに対して93.3%の精度を達成している。
論文 参考訳(メタデータ) (2022-03-15T08:48:47Z) - A Survey on Masked Facial Detection Methods and Datasets for Fighting
Against COVID-19 [64.88701052813462]
新型コロナウイルス感染症2019(COVID-19)は、感染拡大以来、世界にとって大きな課題となっている。
この病気と闘うために、一連の人工知能(AI)技術が開発され、現実世界のシナリオに適用される。
本稿では主に、マスク付き顔検出と関連するデータセットのAI技術に焦点を当てる。
論文 参考訳(メタデータ) (2022-01-13T03:28:20Z) - Application of Homomorphic Encryption in Medical Imaging [60.51436886110803]
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。
論文 参考訳(メタデータ) (2021-10-12T19:57:12Z) - Towards Privacy-preserving Explanations in Medical Image Analysis [0.0]
PPRL-VGAN深層学習法は、高レベルのプライバシーを確保しつつ、疾患に関連する意味的特徴を保存するのに最適であった。
医用画像のプライバシー保護方法の改善の必要性を強調した。
論文 参考訳(メタデータ) (2021-07-20T17:35:36Z)
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。