論文の概要: A Calibrated Memorization Index (MI) for Detecting Training Data Leakage in Generative MRI Models

• arxiv url: http://arxiv.org/abs/2602.13066v1
• Date: Fri, 13 Feb 2026 16:21:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-16 23:37:54.030396
• Title: A Calibrated Memorization Index (MI) for Detecting Training Data Leakage in Generative MRI Models
• Title（参考訳）: 生成MRIモデルにおけるトレーニングデータ漏洩検出のための校正覚度指数(MI)
• Authors: Yash Deo, Yan Jia, Toni Lassila, Victoria J Hodge, Alejandro F Frang, Chenghao Qian, Siyuan Kang, Ibrahim Habli,
• Abstract要約: 画像生成モデルは、その出力の一部としてトレーニングデータからの複製画像が知られている。 そこで本研究では,トレーニングデータの暗記と重複を検出するために,サンプル単位の校正基準を提案する。
• 参考スコア（独自算出の注目度）: 35.17637818310643
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image generative models are known to duplicate images from the training data as part of their outputs, which can lead to privacy concerns when used for medical image generation. We propose a calibrated per-sample metric for detecting memorization and duplication of training data. Our metric uses image features extracted using an MRI foundation model, aggregates multi-layer whitened nearest-neighbor similarities, and maps them to a bounded \emph{Overfit/Novelty Index} (ONI) and \emph{Memorization Index} (MI) scores. Across three MRI datasets with controlled duplication percentages and typical image augmentations, our metric robustly detects duplication and provides more consistent metric values across datasets. At the sample level, our metric achieves near-perfect detection of duplicates.
• Abstract（参考訳）: 画像生成モデルは、トレーニングデータからのイメージを出力の一部として複製することが知られており、医療画像生成に使用する場合のプライバシー上の懸念につながる可能性がある。 そこで本研究では,トレーニングデータの暗記と重複を検出するために,サンプル単位の校正基準を提案する。 我々はMRIファンデーションモデルを用いて抽出した画像特徴を用いて、近辺の類似点を多層に集約し、それらを境界付き \emph{Overfit/Novelty Index} (ONI) と \emph{Memorization Index} (MI) のスコアにマッピングする。 制御された重複率と典型的な画像拡張を伴う3つのMRIデータセットにわたって、我々のメトリックは複製を頑健に検出し、データセット間でより一貫したメトリック値を提供する。 サンプルレベルでは,複製のほぼ完全な検出が可能である。

関連論文リスト

• MRI Image Generation Based on Text Prompts [0.0]
  本研究では,実際のMRIデータセットを取得する際の課題を解決するために,安定拡散(SD)モデルを用いたテキストプロンプトMRI画像生成について検討する。 SDモデルは3Tの高速MRIデータセットと0.3TのM4Rawデータセットを用いて微調整された。 Fr'echet Inception Distance (FID) やMulti-Scale Structure similarity (MS-SSIM) などの測定値を用いて微調整モデルの性能を評価した。
  論文  参考訳（メタデータ） (2025-05-23T03:01:22Z)
• ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
  本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。 メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
  論文  参考訳（メタデータ） (2025-01-08T05:15:43Z)
• MRGen: Segmentation Data Engine for Underrepresented MRI Modalities [59.61465292965639]
  稀ながら臨床的に重要な画像モダリティのための医用画像分割モデルの訓練は、注釈付きデータの不足により困難である。 本稿では,データ合成における生成モデルの利用について検討する。 本稿では,テキストプロンプトとセグメンテーションマスクを条件とした医用画像合成のためのデータエンジンMRGenを提案する。
  論文  参考訳（メタデータ） (2024-12-04T16:34:22Z)
• Autoregressive Image Diffusion: Generation of Image Sequence and Application in MRI [2.0318411357438086]
  生成モデルは画像分布を学習し、アンサンプされたk空間データから高品質な画像の再構成に使用できる。 画像系列に対する自己回帰画像拡散(AID)モデルを提案し,それを後部MRI再構成のサンプリングに用いた。 その結果,AIDモデルは逐次コヒーレントな画像列を確実に生成できることがわかった。
  論文  参考訳（メタデータ） (2024-05-23T08:57:10Z)
• Benchmarking Pretrained Vision Embeddings for Near- and Duplicate Detection in Medical Images [0.6827423171182154]
  本稿では,2次元コンピュータビジョンの埋め込みを利用した近距離・重複3次元医用画像の同定手法を提案する。 公開されているメディカルデスロンデータセットに基づいて,実験的なベンチマークを生成する。
  論文  参考訳（メタデータ） (2023-12-12T13:52:55Z)
• 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)
• Modality Completion via Gaussian Process Prior Variational Autoencoders for Multi-Modal Glioma Segmentation [75.58395328700821]
  本稿では,患者スキャンに欠落するサブモダリティを1つ以上のインプットするために,MGP-VAE(Multi-modal Gaussian Process Prior Variational Autoencoder)を提案する。 MGP-VAEは、変分オートエンコーダ(VAE)に先立ってガウス過程(GP)を利用して、被験者/患者およびサブモダリティ相関を利用することができる。 4つのサブモダリティのうち2つ、または3つが欠落している脳腫瘍に対するMGP-VAEの適用性を示す。
  論文  参考訳（メタデータ） (2021-07-07T19:06:34Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。