บทความ

บทความเชิงเทคนิค การเปิดเผยช่องโหว่ และบันทึกเชิงคณิตศาสตร์เกี่ยวกับปัญญาประดิษฐ์ทางการแพทย์และความมั่นคงปลอดภัยไซเบอร์

·ระบบ ML และความเป็นส่วนตัว

การเรียนรู้แบบกระจายศูนย์ที่รักษาความเป็นส่วนตัวในเครือข่ายโรงพยาบาล: การบรรเทาการโจมตีแบบ Gradient Inversion

การแบ่งปันเกรเดียนต์พารามิเตอร์ดิบในการเรียนรู้แบบกระจายศูนย์ข้ามโรงพยาบาลไม่รับประกันความเป็นส่วนตัวของผู้ป่วย: การทำ Gradient Inversion ด้วยวิธีเชิงออปติไมเซชันสามารถสร้างภาพรังสีทรวงอกและภาพตัดเชิงปริมาตรขึ้นใหม่ได้ เราอนุมานการรับประกัน Rényi Differential Privacy (RDP) ที่แน่น พร้อมการตัดเกรเดียนต์แบบปรับตัว

3 นาที
·ปัญญาประดิษฐ์ทางการแพทย์

ความทนทานต่อการโจมตีแบบปรปักษ์ในการถ่ายภาพทางการแพทย์ 3 มิติ: ปกป้อง Vision Transformer จากการรบกวนที่ตรวจไม่พบ

โมเดลแบ่งส่วนภาพ 3D Swin-UNETR เชิงปริมาตรทำคะแนน Dice ระดับแพทย์ผู้เชี่ยวชาญบนภาพ MRI สมองแบบมัลติมอดัล ทว่ายังเปราะบางภายใต้การรบกวน L-infinity ที่ต่ำกว่าสัญญาณรบกวนความร้อนของเซนเซอร์ เราอนุมานความสนใจเชิงปริมาตรที่ถูกจำกัดด้วยค่าคงตัวลิปชิตซ์ และประเมินขอบเขตการปรับให้เรียบแบบมีใบรับรอง

4 นาที