利用 Transversal GAN 评估合成三维 PET 成像中的隐私泄露
图像与视频处理
2023-11-02 v2 密码学与安全
计算机视觉与模式识别
机器学习
摘要
在医学图像上训练与疾病诊断或图像分割相关的计算机视觉算法十分困难，很大程度上源于隐私顾虑。因此，生成式图像模型备受青睐以促进数据共享。然而，三维生成模型研究不足，且需调查其隐私泄露问题。我们引入我们的三维生成模型 Transversal GAN（TrGAN），以受肿瘤掩膜约束的头部与颈部 PET 图像为例进行研究。我们为该模型定义了图像保真度、效用与隐私的定量度量。这些指标在训练过程中被评估，以识别理想的保真度、效用与隐私权衡，并建立这些参数间的关系。我们表明 TrGAN 的判别器易受攻击，攻击者可近乎完美地识别哪些样本用于训练（AUC = 0.99）。我们还表明，仅能访问生成器的攻击者无法可靠分类某样本是否曾用于训练（AUC = 0.51）。这表明 TrGAN 生成器（而非判别器）可用于共享合成三维 PET 数据，且隐私风险极小，同时保持良好的效用与保真度。
引用
@article{arxiv.2206.06448,
title = {Assessing Privacy Leakage in Synthetic 3-D PET Imaging using Transversal GAN},
author = {Robert V. Bergen and Jean-Francois Rajotte and Fereshteh Yousefirizi and Arman Rahmim and Raymond T. Ng},
journal= {arXiv preprint arXiv:2206.06448},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2111.01866