基于非线性形变代理的医学图像分析隐私保护方法
图像与视频处理
2020-11-30 v2 计算机视觉与模式识别
摘要
我们提出了一种客户端-服务器系统，可在保护患者身份的前提下对多中心医学图像进行分析。在我们的方法中，客户端通过对输入图像施加伪随机非线性形变来保护患者身份。由此生成代理图像并发送至服务器进行处理。服务器随后返回形变后的处理结果图像，客户端将其还原为规范形式。我们的系统包含三个组件：1) 生成伪随机形变函数的流场生成器；2) 从处理结果图像中学习患者身份的孪生判别器；3) 分析代理图像内容的医学图像处理网络。系统以对抗方式端到端训练。通过欺骗判别器，流场生成器学会产生双向非线性形变，从而能够从输入图像与输出结果中去除并恢复受试者身份。端到端训练后，流场生成器部署于客户端，分割网络部署于服务器端。所提方法在使用两个不同数据集图像的 MRI 脑分割任务上进行了验证。结果表明，我们的方法分割精度与在非编码图像上训练的系统相近，同时显著降低了恢复受试者身份的能力。
引用
@article{arxiv.2011.12835,
title = {Privacy Preserving for Medical Image Analysis via Non-Linear Deformation Proxy},
author = {Bach Ngoc Kim and Jose Dolz and Christian Desrosiers and Pierre-Marc Jodoin},
journal= {arXiv preprint arXiv:2011.12835},
year = {2020}
}