针对糖尿病视网膜病变图像分级的对抗曝光攻击
计算机视觉与模式识别
2024-10-18 v2
摘要
糖尿病视网膜病变（DR）是全球范围内视力丧失的主要原因。为辅助诊断，众多前沿工作已构建强大的深度神经网络（DNNs）以通过视网膜眼底图像（RFIs）自动分级 DR。然而，RFIs 常受相机曝光问题影响，可能导致错误分级。错误分级结果可能给病情恶化带来高风险。在本文中，我们从对抗攻击的视角研究该问题。我们确定并引入了一种针对全新任务的解决方案，称为对抗曝光攻击，其能够生成自然的曝光图像并误导最先进的 DNNs。我们在一个真实世界的公开 DR 数据集上以三种 DNNs（如 ResNet50、MobileNet 和 EfficientNet）验证了所提方法，表明我们的方法在迁移攻击中实现了高图像质量与高成功率。我们的方法揭示了基于 DNN 的自动 DR 分级的潜在威胁，并将有益于未来曝光鲁棒 DR 分级方法的发展。
引用
@article{arxiv.2009.09231,
title = {Adversarial Exposure Attack on Diabetic Retinopathy Imagery Grading},
author = {Yupeng Cheng and Qing Guo and Felix Juefei-Xu and Huazhu Fu and Shang-Wei Lin and Weisi Lin},
journal= {arXiv preprint arXiv:2009.09231},
year = {2024}
}
备注
13 pages, 7 figures