基于纵向乳腺X线摄影检查的乳腺癌诊断模型：对对抗攻击的脆弱性
计算机视觉与模式识别
2024-11-05 v1 人工智能
摘要
在乳腺癌检测和诊断中，乳腺X线摄影图像的纵向分析至关重要。当代模型在检测时序成像特征变化方面表现出色，从而增强了序贯成像检查过程中的学习过程。然而，这些纵向模型对抗攻击的鲁棒性仍然未被充分探索。在本研究中，我们提出了一种新颖的攻击方法，利用纵向模型中两个序贯乳腺X线摄影检查之间的特征级关系，以交叉熵损失和距离度量学习为指导，以实现显著的攻击效果，以黑盒攻击方式通过攻击迁移实现。我们在590名乳腺癌患者（每人有两次序贯乳腺X线摄影检查）的队列上进行了实验，采用病例对照设置。结果表明，我们提出的方法在欺骗诊断模型给出相反输出方面超越了多种最先进的对抗攻击。即使模型使用常见的对抗训练防御方法进行训练，我们的方法仍然有效。
引用
@article{arxiv.2411.00837,
title = {Longitudinal Mammogram Exam-based Breast Cancer Diagnosis Models: Vulnerability to Adversarial Attacks},
author = {Zhengbo Zhou and Degan Hao and Dooman Arefan and Margarita Zuley and Jules Sumkin and Shandong Wu},
journal= {arXiv preprint arXiv:2411.00837},
year = {2024}
}