提升糖尿病视网膜病变检测对抗鲁棒性的通用对抗框架
图像与视频处理
2023-12-14 v1 计算机视觉与模式识别
机器学习
摘要
糖尿病视网膜病变（DR）是一种与糖尿病相关的常见疾病，若不及时治疗，可能导致不可逆的失明。基于深度学习的系统正逐渐被引入作为临床诊断的自动化支持。由于医疗保健一直是一个极其重要的领域，要求无差错性能，任何对抗性攻击都可能对此类系统的适用性构成巨大威胁。在这项工作中，我们使用通用对抗扰动（UAPs）来量化用于检测DR的医学深度神经网络（DNNs）的脆弱性。据我们所知，这是首次尝试使用各种UAPs攻击DR图像的完整细粒度分类。同时，作为这项工作的一部分，我们使用UAPs对训练好的模型进行微调，以防御对抗样本。我们在多个模型上进行了实验，观察到这些模型对未见过的对抗攻击的性能平均提升了3.41 Cohen-kappa值，最高提升了31.92 Cohen-kappa值。使用t检验发现，集成微调模型后，在正常数据上的性能下降在统计上不显著，这突显了基于UAP的对抗微调的优势。
引用
@article{arxiv.2312.08193,
title = {Universal Adversarial Framework to Improve Adversarial Robustness for Diabetic Retinopathy Detection},
author = {Samrat Mukherjee and Dibyanayan Bandyopadhyay and Baban Gain and Asif Ekbal},
journal= {arXiv preprint arXiv:2312.08193},
year = {2023}
}