基于机器学习的医学图像深度伪造检测：一项比较研究
计算机视觉与模式识别
2022-04-08 v2 机器学习
摘要
近年来，深度生成网络强化了在消费各种形式的数字信息时保持谨慎的必要性。深度伪造创建的一个途径与医学扫描中肿瘤的注入和移除有关。未能检测出医学深度伪造可能导致医院资源的重大挫折，甚至造成生命损失。本文试图通过一项结构化的案例研究来解决对此类攻击的检测问题。具体来说，我们评估了八种不同的机器学习算法，包括三种传统机器学习方法：支持向量机、随机森林、决策树，以及五种深度学习模型：DenseNet121、DenseNet201、ResNet50、ResNet101、VGG19，用于区分被篡改和未被篡改的图像。对于深度学习模型，这五种模型被用于特征提取，然后对每个预训练模型进行微调。这项工作的研究结果表明，在检测肿瘤注入和移除实例方面具有近乎完美的准确率。
引用
@article{arxiv.2109.12800,
title = {Machine Learning based Medical Image Deepfake Detection: A Comparative Study},
author = {Siddharth Solaiyappan and Yuxin Wen},
journal= {arXiv preprint arXiv:2109.12800},
year = {2022}
}