論文の概要: Adversarial Robustness of Deep Learning-Based Thyroid Nodule Segmentation in Ultrasound
- arxiv url: http://arxiv.org/abs/2602.21452v1
- Date: Wed, 25 Feb 2026 00:10:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-26 18:19:16.646501
- Title: Adversarial Robustness of Deep Learning-Based Thyroid Nodule Segmentation in Ultrasound
- Title（参考訳）: 超音波における深層学習に基づく甲状腺結節分節の対向的ロバスト性
- Authors: Nicholas Dietrich, David McShannon,
- Abstract要約: Bモード超音波における甲状腺結節分節に対する逆行性攻撃とドメイン時防御に対する推論について検討した。
境界ノイズを注入するStructured Speckle Amplification Attack (SSAA) と、帯域通過位相摂動を適用した周波数領域超音波攻撃 (FDUA) が開発された。
防衛はFDUAに対して大きな改善を達成できなかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Introduction: Deep learning-based segmentation models are increasingly integrated into clinical imaging workflows, yet their robustness to adversarial perturbations remains incompletely characterized, particularly for ultrasound images. We evaluated adversarial attacks and inference-time defenses for thyroid nodule segmentation in B-mode ultrasound. Methods: Two black-box adversarial attacks were developed: (1) Structured Speckle Amplification Attack (SSAA), which injects boundary-targeted noise, and (2) Frequency-Domain Ultrasound Attack (FDUA), which applies bandpass-filtered phase perturbations in the Fourier domain. Three inference-time mitigations were evaluated on adversarial images: randomized preprocessing with test-time augmentation, deterministic input denoising, and stochastic ensemble inference with consistency-aware aggregation. Experiments were conducted on a U-Net segmentation model trained on cine-clips from a database of 192 thyroid nodules. Results: The baseline model achieved a mean Dice similarity coefficient (DSC) of 0.76 (SD 0.20) on unperturbed images. SSAA reduced DSC by 0.29 (SD 0.20) while maintaining high visual similarity (SSIM = 0.94). FDUA resulted in a smaller DSC reduction of 0.11 (SD 0.09) with lower visual fidelity (SSIM = 0.82). Against SSAA, all three defenses significantly improved DSC after correction, with deterministic denoising showing the largest recovery (+0.10, p < 0.001), followed by randomized preprocessing (+0.09, p < 0.001), and stochastic ensemble inference (+0.08, p = 0.002). No defense achieved statistically significant improvement against FDUA. Conclusion: Spatial-domain adversarial perturbations in ultrasound segmentation showed partial mitigation with input preprocessing, whereas frequency-domain perturbations were not mitigated by the defenses, highlighting modality-specific challenges in adversarial robustness evaluation.
- Abstract（参考訳）: 導入: 深層学習に基づくセグメンテーションモデルは, 臨床画像ワークフローにますます統合されているが, 特に超音波画像において, 対人摂動に対する頑健さは, 不完全である。
Bモード超音波における甲状腺結節分節に対する逆行性攻撃と投射時防御について検討した。
方法:(1)境界目標雑音を注入する構造的スペックル増幅攻撃 (SSAA) と(2)周波数-ドメイン超音波攻撃 (FDUA) の2つのブラックボックス対向攻撃を開発した。
実験時間増加によるランダム化前処理, 決定論的入力復調, 整合性を考慮した確率的アンサンブル推論の3つの推定時間緩和効果を, 対向画像上で評価した。
甲状腺結節192例のデータベースからシリンクリップを訓練したU-Netセグメンテーションモデルを用いて実験を行った。
結果: ベースラインモデルは非摂動画像上での平均Dice類似度係数(DSC)0.76(SD 0.20)を達成した。
SSAAはDSCを0.29(SD 0.20)削減し、高い視覚的類似性(SSIM = 0.94)を維持した。
FDUAはDSCを0.11(SD 0.09)減らし、視力は低い(SSIM = 0.82)。
SSAAに対する3つの防御は、修正後のDSCを大幅に改善し、決定論的復調は最大の回復(+0.10, p < 0.001)を示し、続いてランダム化前処理(+0.09, p < 0.001)と確率的アンサンブル推論(+0.08, p = 0.002)を示した。
FDUAに対する統計的に有意な改善は得られなかった。
結論: 超音波セグメンテーションにおける空間領域の対向摂動は入力前処理による部分的緩和を示し, 周波数領域の摂動は防御によって緩和されず, 対向ロバストネス評価におけるモダリティに特有な課題が浮き彫りにされた。
関連論文リスト
- Cross-Sample Augmented Test-Time Adaptation for Personalized Intraoperative Hypotension Prediction [45.67071315035565]
術中低血圧は外科的危険を伴うが、患者固有の変動性のために正確な予測は困難である。
CSA-TTA(Cross-Sample Augmented Test-Time Adaptation framework)を提案する。
提案したCSA-TTAを,現在最先端の時系列予測モデルと統合することで,VitalDBデータセットと実世界のインホスピタルデータセットの両方で評価する。
論文 参考訳（メタデータ） (2025-12-12T08:02:37Z) - Deep Unsupervised Anomaly Detection in Brain Imaging: Large-Scale Benchmarking and Bias Analysis [42.60508892284938]
脳画像の深部教師なし異常検出のための大規模マルチセンターベンチマークを提案する。
健康なデータセットと多様な臨床コホートにまたがる2,221T1wと1,262T2wのスキャンを行った。
我々のベンチマークは今後の研究の透明な基盤を確立し、臨床翻訳の優先順位を強調している。
論文 参考訳（メタデータ） (2025-12-01T11:03:27Z) - A Dual-Mode ViT-Conditioned Diffusion Framework with an Adaptive Conditioning Bridge for Breast Cancer Segmentation [2.8110777003480654]
乳房超音波検査では,早期診断には精査が不可欠である。
標準的な畳み込みアーキテクチャは、十分にグローバルなコンテキストを捉えるのにしばしば不足する。
拡張UNetベースの生成デコーダと視覚変換器(ViT)エンコーダを組み合わせたフレキシブルで条件付きデノイング拡散モデルを提案する。
論文 参考訳（メタデータ） (2025-11-08T12:33:18Z) - Evaluating the Impact of Radiographic Noise on Chest X-ray Semantic Segmentation and Disease Classification Using a Scalable Noise Injection Framework [4.910952612437441]
我々は2つの重要な胸部X線作業における量子(Poisson)と電子(Gaussian)ノイズのシミュレーションに対する最先端畳み込みニューラルネットワーク(CNN)の堅牢性を評価する。
セマンティックセグメンテーションモデルは非常に脆弱で、肺セグメンテーション性能は重度の電子ノイズ下で崩壊した。
我々は、AtelectasisとPneumothoraxを区別するなどの特定のタスクが、量子ノイズの下で破滅的に失敗することを発見した。
論文 参考訳（メタデータ） (2025-09-28T05:09:43Z) - SegFormer Fine-Tuning with Dropout: Advancing Hair Artifact Removal in Skin Lesion Analysis [0.0]
皮膚内視鏡像の毛細血管は皮膚病変を正確に解析する上で重要な課題である。
この研究は、正確にヘアマスクのセグメンテーションを実現するために、ドロップアウト正規化を付加した微調整のSegFormerモデルを導入する。
論文 参考訳（メタデータ） (2025-09-02T10:06:26Z) - 2D Ultrasound Elasticity Imaging of Abdominal Aortic Aneurysms Using Deep Neural Networks [0.5249805590164902]
腹部大動脈瘤 (AAA) は破裂の可能性があるため, 臨床的リスクが高い。
2次元超音波を用いたAAAの弾力性イメージングのためのディープラーニングに基づくフレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-25T21:42:54Z) - A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。
Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。
提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
論文 参考訳（メタデータ） (2025-08-19T14:41:22Z) - Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。
UIA検出では偽陽性率は0.21で感度は0.80であった。
論文 参考訳（メタデータ） (2023-08-06T03:28:08Z) - Guided Diffusion Model for Adversarial Purification [103.4596751105955]
敵攻撃は、様々なアルゴリズムやフレームワークでディープニューラルネットワーク(DNN)を妨害する。
本稿では,GDMP ( Guided diffusion model for purification) と呼ばれる新しい精製法を提案する。
様々なデータセットにわたる包括的実験において,提案したGDMPは,敵対的攻撃によって引き起こされた摂動を浅い範囲に減少させることを示した。
論文 参考訳（メタデータ） (2022-05-30T10:11:15Z) - Towards Adversarially Robust Deep Image Denoising [199.2458715635285]
本研究は,ディープ・イメージ・デノイザ(DID)の対角的ロバスト性について系統的に検討する。
本稿では,観測に基づくゼロ平均アタック(sc ObsAtk)という新たな敵攻撃を提案する。
DIDを頑健化するために,DIDと非対向雑音データとを併用したハイブリッド対向訓練(sc HAT)を提案する。
論文 参考訳（メタデータ） (2022-01-12T10:23:14Z)
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。