差分隐私微调的 NF-Net 用于预测胃肠道癌症类型
计算机视觉与模式识别
2025-02-18 v1
摘要
基于全局基因组状态，癌症肿瘤被分类为微卫星不稳定性（MSI）和微卫星稳定性（MSS）。免疫疗法用于诊断 MSI，而放疗和化疗用于 MSS。因此，将胃肠道（GI）癌症肿瘤分类为 MSI 与 MSS 以提供适当治疗具有重要意义。现有文献表明，深度学习可直接从组织病理学图像预测 GI 癌症肿瘤类别。然而，深度学习（DL）模型易受多种威胁，包括成员推断攻击、模型提取攻击等。这些攻击使得 DL 模型在实际场景中难以使用。为使 DL 模型有用并保持隐私，我们将差分隐私（DP）与 DL 集成。具体而言，本文旨在预测 GI 癌症状态的同时保护敏感数据的隐私。我们对 Normalizer Free Net（NF-Net）模型进行了微调。在无 DP 的情况下，我们获得了 88.98% 的准确率来预测 GI 癌症状态。当使用 DP-AdamW 和自适应 DP-AdamW 微调 NF-Net 时，我们分别获得了 74.58% 和 76.48% 的准确率。此外，我们研究了加权随机采样器（WRS）和类别加权（CW）以解决数据不平衡问题。我们还在不同设置下评估和分析了 DP 算法。
引用
@article{arxiv.2502.11329,
title = {Differentially private fine-tuned NF-Net to predict GI cancer type},
author = {Sai Venkatesh Chilukoti and Imran Hossen Md and Liqun Shan and Vijay Srinivas Tida and Xiali Hei},
journal= {arXiv preprint arXiv:2502.11329},
year = {2025}
}
备注
10 pages, 8 tables, 2 figures