論文の概要: Privacy Preserving Image Registration
- arxiv url: http://arxiv.org/abs/2205.10120v1
- Date: Tue, 17 May 2022 14:00:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-29 20:26:27.738487
- Title: Privacy Preserving Image Registration
- Title（参考訳）: プライバシー保護画像登録
- Authors: Riccardo Taiello, Melek \"Onen, Olivier Humbert and Marco Lorenzi
- Abstract要約: プライバシー保護体制下での画像登録の問題を定式化する。
古典的な登録パラダイムを拡張して、高度な暗号化ツールを考慮に入れます。
以上の結果から, 画像登録のためのプライバシー保護が実現可能であり, 医用画像の高感度化にも適用可能であることが示唆された。
- 参考スコア（独自算出の注目度）: 4.06040510836545
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image registration is a key task in medical imaging applications, allowing to
represent medical images in a common spatial reference frame. Current
literature on image registration is generally based on the assumption that
images are usually accessible to the researcher, from which the spatial
transformation is subsequently estimated. This common assumption may not be met
in current practical applications, since the sensitive nature of medical images
may ultimately require their analysis under privacy constraints, preventing to
share the image content in clear form. In this work, we formulate the problem
of image registration under a privacy preserving regime, where images are
assumed to be confidential and cannot be disclosed in clear. We derive our
privacy preserving image registration framework by extending classical
registration paradigms to account for advanced cryptographic tools, such as
secure multi-party computation and homomorphic encryption, that enable the
execution of operations without leaking the underlying data. To overcome the
problem of performance and scalability of cryptographic tools in high
dimensions, we first propose to optimize the underlying image registration
operations using gradient approximations. We further revisit the use of
homomorphic encryption and use a packing method to allow the encryption and
multiplication of large matrices more efficiently. We demonstrate our privacy
preserving framework in linear and non-linear registration problems, evaluating
its accuracy and scalability with respect to standard image registration. Our
results show that privacy preserving image registration is feasible and can be
adopted in sensitive medical imaging applications.
- Abstract（参考訳）: 画像登録は医療画像の分野で重要な課題であり、共通の空間参照フレームで医療画像を表現することができる。
画像登録に関する現在の文献は、画像が研究者に通常アクセス可能であるという仮定に基づいており、そこから空間変換が推定される。
この一般的な仮定は、現在の応用では満たされないかもしれない。医学画像の繊細な性質は、最終的にプライバシー上の制約の下で分析を必要とし、明確な形で画像の内容を共有することを妨げる。
そこで本研究では,プライバシー保護体制下では画像登録の問題点を定式化し,画像は機密性であり,明快に開示できないと仮定する。
我々は、セキュアなマルチパーティ計算や準同型暗号化など、基礎となるデータを漏らすことなく操作の実行を可能にする高度な暗号ツールを考慮して、古典的な登録パラダイムを拡張して、プライバシ保護イメージ登録フレームワークを導出します。
高い次元における暗号ツールの性能とスケーラビリティの問題を克服するために,まず勾配近似を用いた画像登録操作の最適化を提案する。
さらに、同型暗号の使用を再検討し、大行列の暗号化と乗算をより効率的に行えるようにパッキング法を用いる。
我々は,線形および非線形の登録問題に対するプライバシ保護フレームワークの実証を行い,標準画像登録に関してその精度とスケーラビリティを評価した。
以上の結果から,プライバシ保護画像登録は実現可能であり,センシティブな医用画像アプリケーションに応用可能であることが示された。
関連論文リスト
- Enhancing Privacy in Face Analytics Using Fully Homomorphic Encryption [8.742970921484371]
本稿では,FHE(Fully Homomorphic Encryption)と,PolyProtectと呼ばれるテンプレート保護方式を組み合わせた新しい手法を提案する。
提案手法は,非可逆性と無リンク性を保証し,ソフトバイオメトリック埋め込みの漏洩を効果的に防止する。
論文 参考訳（メタデータ） (2024-04-24T23:56:03Z) - 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) - Unrecognizable Yet Identifiable: Image Distortion with Preserved Embeddings [22.338328674283062]
本稿では,ニューラルネットワークモデルによる顔画像の識別性を保ちながら,目に対して認識不能な顔画像を描画する,革新的な画像変換手法を提案する。
提案手法は、様々な人工知能アプリケーションにおいて、視覚データを歪曲し、派生した特徴を近接に保つために使用することができる。
同一の認識精度を維持しつつ、画像内容が70%以上変化する歪みを構築することができることを示す。
論文 参考訳（メタデータ） (2024-01-26T18:20:53Z) - PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via
Secure Flow [69.78820726573935]
保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。
本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
論文 参考訳（メタデータ） (2023-07-18T10:55:54Z) - Learning Homeomorphic Image Registration via Conformal-Invariant
Hyperelastic Regularisation [9.53064372566798]
共形不変性に基づく変形可能な画像登録のための新しいフレームワークを提案する。
我々の正規化器は、変形場が滑らかで、可逆で、配向保存されるように強制する。
我々は,数値的および視覚的な実験を通じて,我々のフレームワークが現在の画像登録技術より優れていることを実証した。
論文 参考訳（メタデータ） (2023-03-14T17:47:18Z) - ConfounderGAN: Protecting Image Data Privacy with Causal Confounder [85.6757153033139]
本稿では,GAN(Generative Adversarial Network)のConfounderGANを提案する。
実験は、3つの自然なオブジェクトデータセットと3つの医療データセットからなる6つの画像分類データセットで実施される。
論文 参考訳（メタデータ） (2022-12-04T08:49:14Z) - Joint segmentation and discontinuity-preserving deformable registration:
Application to cardiac cine-MR images [74.99415008543276]
多くの深層学習に基づく登録法は、変形場は画像領域の至る所で滑らかで連続的であると仮定する。
本研究では,この課題に対処するために,不連続かつ局所的に滑らかな変形場を確保するための新しい不連続保存画像登録手法を提案する。
入力画像の構造的相関を学習するために,ネットワークのセグメンテーション成分にコアテンションブロックを提案する。
大規模心磁気共鳴画像系列を用いた物体内時間画像登録の課題について検討した。
論文 参考訳（メタデータ） (2022-11-24T23:45:01Z) - A Deep Discontinuity-Preserving Image Registration Network [73.03885837923599]
ほとんどの深層学習に基づく登録法は、所望の変形場が全世界的に滑らかで連続的であると仮定する。
本稿では、より優れた登録性能とリアルな変形場を得るために、弱い教師付き深部不連続保存画像登録ネットワーク(DDIR)を提案する。
本研究では, 心臓磁気共鳴(MR)画像の登録実験において, 登録精度を大幅に向上し, より現実的な変形を予測できることを実証した。
論文 参考訳（メタデータ） (2021-07-09T13:35:59Z) - Toward Privacy and Utility Preserving Image Representation [26.768476643200664]
本稿では,プライバシ保護のための画像表現の新規な課題について検討する。
本稿では,AIA(Adversarial Image Anonymizer)と呼ばれる原理的フレームワークを提案する。
AIAはまず、生成モデルを用いて画像表現を作成し、次に、敵対学習を用いて学習した画像表現を拡張して、与えられたタスクのプライバシーと有用性を維持する。
論文 参考訳（メタデータ） (2020-09-30T01:25:00Z) - Privacy-Preserving Image Features via Adversarial Affine Subspace
Embeddings [72.68801373979943]
多くのコンピュータビジョンシステムでは、ユーザーは画像処理とストレージのためにイメージ機能をクラウドにアップロードする必要がある。
本稿では,新しいプライバシー保護機能表現を提案する。
従来の特徴と比較すると,敵が個人情報を回収するのは極めて困難である。
論文 参考訳（メタデータ） (2020-06-11T17:29:48Z) - Privacy-Preserving Image Sharing via Sparsifying Layers on Convolutional
Groups [11.955557264002204]
本稿では,大規模なセットアップにおいて,プライバシを意識した画像共有の問題に対処する実践的な枠組みを提案する。
画像は、一方から、表現は、プライバシー保護の膨大なコストを払わずに、パブリックドメインに格納されるようにエンコードします。
認証されたユーザは、簡単に安全に維持できる非常にコンパクトなキーが提供される。
これは、対応するアクセスグラインド画像の曖昧さと忠実な再構築に使用できる。
論文 参考訳（メタデータ） (2020-02-04T18:54:52Z)
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。