弥合差距：面向医学图像分析的差分隐私等变深度学习
图像与视频处理
2023-06-21 v2 密码学与安全
计算机视觉与模式识别
机器学习
摘要
采用差分隐私（DP）等正式隐私保护技术的机器学习，能够在承诺保护患者隐私的同时从敏感医学影像数据中获取有价值的洞察，但这通常伴随着尖锐的隐私-效用权衡。在本工作中，我们提出将可转向等变卷积网络用于带 DP 的医学图像分析。其改进的特征质量与参数效率带来了显著的准确率提升，缩小了隐私-效用差距。
引用
@article{arxiv.2209.04338,
title = {Bridging the Gap: Differentially Private Equivariant Deep Learning for Medical Image Analysis},
author = {Florian A. Hölzl and Daniel Rueckert and Georgios Kaissis},
journal= {arXiv preprint arXiv:2209.04338},
year = {2023}
}
备注
Accepted as extended abstract at GeoMedIA Workshop 2022 (https://openreview.net/forum?id=rGYfMrMxI17)