Privacy-Net：一种用于医学图像身份混淆分割的对抗方法
图像与视频处理
2020-11-17 v3 计算机视觉与模式识别
摘要
本文提出一种在多中心医学图像分析场景下的客户端/服务器隐私保护网络。我们的方法基于对抗学习，其对图像进行编码以混淆患者身份，同时为目标任务保留足够信息。我们的新颖架构由三部分组成：1）从输入医学图像中移除身份特定特征的编码网络，2）试图从编码图像中识别受试者的判别网络，3）分析编码图像内容（本例中为分割）的医学图像分析网络。通过同时欺骗判别网络并优化医学分析网络，编码器学会移除隐私特定特征，同时保留对目标任务至关重要的那些特征。我们的方法在大规模帕金森病进展标志物倡议（PPMI）数据集的脑 MRI 分割问题上予以说明。利用 PPMI 的纵向数据，我们展示判别网络学会重度扭曲输入图像，同时允许高度准确的分割结果。
引用
@article{arxiv.1909.04087,
title = {Privacy-Net: An Adversarial Approach for Identity-Obfuscated Segmentation of Medical Images},
author = {Bach Ngoc Kim and Jose Dolz and Pierre-Marc Jodoin and Christian Desrosiers},
journal= {arXiv preprint arXiv:1909.04087},
year = {2020}
}