Fugu-MT 論文翻訳(概要): Privacy Preserving Image Registration

論文の概要: Privacy Preserving Image Registration

arxiv url: http://arxiv.org/abs/2205.10120v7
Date: Tue, 16 Apr 2024 09:03:32 GMT
ステータス: 処理完了
システム内更新日: 2024-04-18 03:19:56.142767
Title: Privacy Preserving Image Registration
Title（参考訳）: 画像登録のためのプライバシ保護
Authors: Riccardo Taiello, Melek Önen, Francesco Capano, Olivier Humbert, Marco Lorenzi,
Abstract要約: プライバシ保護体制下での画像登録の問題は、画像が秘密であり、明確には公開できないと仮定して定式化している。我々は古典的な登録パラダイムを拡張し、セキュアなマルチパーティ計算や同型暗号化といった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）: 4.709526996577762
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 approaches to image registration are generally based on the assumption that the content of the images is usually accessible in clear form, from which the spatial transformation is subsequently estimated. This common assumption may not be met in practical applications, since the sensitive nature of medical images may ultimately require their analysis under privacy constraints, preventing to openly share the image content.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 propose several techniques to optimize the image registration operations by using gradient approximations, and by revisiting the use of homomorphic encryption trough packing, to allow the efficient encryption and multiplication of large matrices. We demonstrate our privacy preserving framework in linear and non-linear registration problems, evaluating its accuracy and scalability with respect to standard, non-private counterparts. Our results show that privacy preserving image registration is feasible and can be adopted in sensitive medical imaging applications.
Abstract（参考訳）: 画像登録は医用画像の応用において重要な課題であり、医用画像を共通の空間参照フレームで表現することができる。画像登録への現在のアプローチは、画像の内容が通常透明な形で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。医用画像の繊細な性質は、最終的にプライバシー制約の下で解析を必要とし、画像の内容がオープンに共有されることを防ぎ、プライバシー保護体制下での画像登録の問題を定式化し、画像が機密であり、明確に開示できないことを前提としている。我々は、従来の登録パラダイムを拡張して、セキュアなマルチパーティ計算や同型暗号化といった高度な暗号化ツールを考慮し、基礎となるデータを漏洩することなく操作の実行を可能にすることにより、私たちのプライバシ保護画像登録フレームワークを導出する。高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、勾配近似を用いて画像登録操作を最適化する手法を提案し、また、同型暗号化トラフパッキングの使用を再検討することにより、大規模行列の効率的な暗号化と乗算を可能にする。我々は、線形および非線形登録問題におけるプライバシ保護フレームワークを実証し、標準の非プライベート登録問題に対する精度とスケーラビリティを評価した。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。

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。