医学图像分析中的对抗攻击与防御综述：方法与挑战
图像与视频处理
2024-11-05 v2 密码学与安全
计算机视觉与模式识别
摘要
深度学习技术在计算机辅助医学图像分析中已取得优越性能，但它们仍易受难以察觉的对抗攻击，导致临床实践中潜在的误诊。相反，近年来在深度医学诊断系统中防御这些定制对抗样本方面也取得了显著进展。本综述中，我们针对医学图像分析中的对抗攻击与防御最新进展，按应用场景给出系统性的分类综述。我们还为医学图像分析背景下不同类型的对抗攻击与防御方法提供了统一框架。为公平比较，我们建立了一种由多种场景下对抗训练获得的对抗鲁棒医学诊断模型的新基准。据我们所知，这是首篇对对抗鲁棒医学诊断模型进行全面评估的综述论文。通过分析定性与定量结果，我们在本综述最后详细讨论了医学图像分析系统中对抗攻击与防御当前的挑战，以启发未来研究方向。代码见\href{https://github.com/tomvii/Adv_MIA}{\color{red}{GitHub}}。
引用
@article{arxiv.2303.14133,
title = {Survey on Adversarial Attack and Defense for Medical Image Analysis: Methods and Challenges},
author = {Junhao Dong and Junxi Chen and Xiaohua Xie and Jianhuang Lai and Hao Chen},
journal= {arXiv preprint arXiv:2303.14133},
year = {2024}
}
备注
Accepted by ACM Computing Surveys (CSUR) (DOI: https://doi.org/10.1145/3702638)