隐私保护图像配准

图像配准是医学影像应用中的一项关键任务，可将医学图像表示于统一的空间参考框架中。当前的图像配准方法通常基于图像内容一般以明文形式可访问的假设，随后从中估计空间变换。这一常见假设在实际应用中有时难以满足，因为医学图像的敏感性最终可能要求在隐私约束下进行分析，从而阻止图像内容的公开共享。在本工作中，我们形式化了隐私保护机制下的图像配准问题，其中图像被假定为机密且不能以明文披露。我们通过将经典配准范式扩展以纳入安全多方计算与同态加密等先进密码学工具，推导出隐私保护图像配准框架，这些工具可在不泄露底层数据的情况下执行操作。为克服密码学工具在高维下的性能与可扩展性问题，我们提出若干技术，通过梯度近似优化图像配准操作，并重新审视同态加密的打包使用，以实现大矩阵的高效加密与乘法。我们在线性和非线性配准问题中验证了隐私保护框架，并针对标准非隐私对应方法评估了其精度与可扩展性。结果表明，隐私保护图像配准是可行的，并可用于敏感的医学影像应用。