偏置场对基于深度神经网络的X射线识别构成潜在威胁
图像与视频处理
2021-05-04 v2 计算机视觉与模式识别
机器学习
摘要
胸部X射线在包括COVID-19在内的多种肺部疾病的筛查与诊断中起着关键作用。近来，许多工作构建深度神经网络（DNNs）处理胸部X射线图像，以实现肺部疾病的自动化高效诊断。然而，由不当的医学图像采集过程引起的偏置场广泛存在于胸部X射线图像中，而DNNs对偏置场的鲁棒性鲜有探究，这无疑对基于X射线的自动化诊断系统构成了威胁。本文基于近期对抗攻击研究该问题，提出了一种全新攻击，即对抗偏置场攻击，其中偏置场而非加性噪声作为对抗扰动来欺骗DNNs。这一新颖攻击带来一个关键问题：如何局部调节偏置场以实现高攻击成功率，同时保持其空间平滑性以保证高真实感。这两个目标相互矛盾，使得攻击极具挑战性。为克服该挑战，我们提出对抗平滑偏置场攻击，可在联合平滑与对抗约束下局部调节偏置场。结果表明，对抗X射线图像不仅能有效欺骗DNNs，还保持极高真实感。我们在真实胸部X射线数据集上以ResNet50、DenseNet121和MobileNet等强大DNNs验证方法，并展现出与SOTA攻击在图像真实感与攻击可迁移性上的不同特性。我们的方法揭示了基于DNN的X射线自动化诊断的潜在威胁，必将有益于鲁棒于偏置场的自动化诊断系统的发展。
引用
@article{arxiv.2009.09247,
title = {Bias Field Poses a Threat to DNN-based X-Ray Recognition},
author = {Binyu Tian and Qing Guo and Felix Juefei-Xu and Wen Le Chan and Yupeng Cheng and Xiaohong Li and Xiaofei Xie and Shengchao Qin},
journal= {arXiv preprint arXiv:2009.09247},
year = {2021}
}
备注
6 pages, 5 figures; This work has been accepted to ICME 2021 as the oral presentation