保障胸部X光图像中COVID-19分类的安全性：一种隐私保护深度学习方法
图像与视频处理
2022-03-16 v1 密码学与安全
计算机视觉与模式识别
摘要
深度学习（DL）因其卓越的效率正日益应用于医疗相关领域。然而，我们必须保持DL模型所使用的个人健康数据的私密与安全。保护数据并维护个人隐私已成为日益普遍的问题。DL与隐私领域之间的鸿沟必须弥合。在本文中，我们提出基于隐私保护深度学习（PPDL）的方法来保障胸部X光图像分类的安全性。本研究旨在充分发挥胸部X光图像的潜力，而不损害其所含数据的隐私。所提方法基于两步：使用部分同态加密对数据集加密，以及在加密图像上训练/测试DL算法。在COVID-19 Radiography数据库上的实验结果表明，MobileNetV2模型在明文数据上达到94.2%的准确率，在加密数据上达到93.3%的准确率。
引用
@article{arxiv.2203.07728,
title = {Securing the Classification of COVID-19 in Chest X-ray Images: A Privacy-Preserving Deep Learning Approach},
author = {Wadii Boulila and Adel Ammar and Bilel Benjdira and Anis Koubaa},
journal= {arXiv preprint arXiv:2203.07728},
year = {2022}
}