通过解耦实现医学基于案例解释的去匿名化
计算机视觉与模式识别
2023-11-09 v1
摘要
基于案例的解释是在临床情境中理解深度学习模型决策过程的直观方法。然而，出于隐私顾虑，医学图像无法作为解释共享。为解决此问题，我们提出一种解耦图像身份与医学特征的新方法，并将其应用于医学图像去匿名化。该解耦机制替换图像中部分特征向量，同时确保其余特征被保留，从而获得编码图像身份与医学特征的独立特征向量。我们还提出一种生成合成隐私保护身份以替换原始图像身份并实现匿名化的模型。这些模型应用于医学与生物识别数据集，展示了其生成保留原始医学内容的逼真去匿名化图像的能力。此外，实验显示了网络通过替换医学特征生成反事实图像的固有能力。
引用
@article{arxiv.2311.04833,
title = {Anonymizing medical case-based explanations through disentanglement},
author = {Helena Montenegro and Jaime S. Cardoso},
journal= {arXiv preprint arXiv:2311.04833},
year = {2023}
}