基于条件 GAN 的医学图像隐私数据共享深度学习方法
机器学习
2021-08-23 v2
摘要
共享临床研究数据可促进创新的数据驱动研究，并最终改善公共卫生。然而，共享生物医学数据会使敏感个人信息面临风险。这通常通过匿名化解决，但这是一个缓慢且昂贵的过程。匿名化的替代方案是共享与真实数据行为相似但保护隐私的合成数据集。作为 Novartis 与牛津大数据研究所合作的一部分，我们基于 COSENTYX（secukinumab）强直性脊柱炎临床研究生成了一个合成数据集。我们应用 Auxiliary Classifier GAN 生成椎体单元的合成 MRI。图像以 VU 位置（颈椎、胸椎和腰椎）为条件。在本文中，我们提出一种生成合成数据集的方法，并沿三个关键指标——图像保真度、样本多样性和数据集隐私——对其性质进行深入分析。
引用
@article{arxiv.2106.13199,
title = {A Deep Learning Approach to Private Data Sharing of Medical Images Using Conditional GANs},
author = {Hanxi Sun and Jason Plawinski and Sajanth Subramaniam and Amir Jamaludin and Timor Kadir and Aimee Readie and Gregory Ligozio and David Ohlssen and Mark Baillie and Thibaud Coroller},
journal= {arXiv preprint arXiv:2106.13199},
year = {2021}
}
备注
v2