用于 COVID-19 疾病检测的隐私保护深度学习模型
图像与视频处理
2022-10-11 v2 密码学与安全
计算机视觉与模式识别
摘要
近期研究表明，X 射线摄影在 COVID-19 检测中比聚合酶链反应（PCR）测试具有更高准确率。因此，将深度学习模型应用于 X 射线和放射影像可提高判定 COVID-19 病例的速度与精度。然而，由于健康保险流通与责任法案（HIPAA）合规要求，医院因隐私顾虑不愿共享患者数据。为保护隐私，我们提出差分隐私深度学习模型以保障患者私人信息。使用来自 Kaggle 网站的数据集评估所设计的 COVID-19 检测模型。根据最高测试准确率选定 EfficientNet 模型版本。将差分隐私约束注入最佳模型以评估性能。通过改变可训练层数、隐私损失及限制每样本信息来记录准确率。在微调过程中，我们以 10 的隐私损失取得了 84% 的准确率。
引用
@article{arxiv.2209.04445,
title = {Privacy-Preserving Deep Learning Model for Covid-19 Disease Detection},
author = {Vijay Srinivas Tida Sai Venkatesh Chilukoti and Sonya Hsu and Xiali Hei},
journal= {arXiv preprint arXiv:2209.04445},
year = {2022}
}