迈向用于预处理超大医学图像的隐私保护分布式云服务
计算工程、金融与科学
2023-09-14 v2 分布式、并行与集群计算
摘要
数字化的组织病理学玻璃切片，称为全切片图像（WSIs），通常具有数十亿像素之大，并包含敏感元数据信息，这使得分布式处理难以实现。此外，WSIs中的伪影在直接应用于深度学习（DL）算法时可能导致不可靠的预测。因此，对WSIs进行预处理是有益的，例如消除隐私敏感信息、将十亿像素医学图像切分为图块，以及去除诊断无关区域。本工作提出一种云服务来并行化大医学图像的预处理流水线。数据和模型并行化不仅将提升组织学任务的端到端处理效率，还通过在处理节点间随机分布图块来确保WSI的不可重建性。此外，流水线的初始步骤将集成到基于Jupyter的虚拟研究环境（VRE）中，以使图像所有者能够根据资源分配配置并自动化执行过程。
引用
@article{arxiv.2307.06266,
title = {Towards a privacy-preserving distributed cloud service for preprocessing very large medical images},
author = {Yuandou Wang and Neel Kanwal and Kjersti Engan and Chunming Rong and Zhiming Zhao},
journal= {arXiv preprint arXiv:2307.06266},
year = {2023}
}
备注
Accepted at IEEE ICDH 2023