基于联邦学习的压缩感知医学图像隐私保护重构方法研究

张 朝阳, 李 其柯, 孙 悦
南通理工学院

摘要


针对医学图像重构中多机构数据协作面临的隐私泄露与数据孤岛问题，提出一种基于联邦学习的压缩感知
医学图像隐私保护重构方法。该方法将压缩感知重构算法展开为可训练网络，在联邦框架下实现多机构协同训练而
无需共享原始数据；通过自适应测量矩阵优化提升降采样重构精度，引入差分隐私安全聚合机制防御梯度泄露攻
击，并设计个性化重构策略应对非独立同分布数据挑战。实验结果表明，该方法在20%采样率下PSNR较基线提升
2.3dB，同时满足（ε，δ）-差分隐私保障，为跨机构医学图像协作重构提供了可行方案。

关键词


联邦学习；压缩感知；医学图像；隐私保护重构

全文:

PDF


参考


[1]袁伟文.压缩感知磁共振成像技术的临床应用[J].

中国高新科技，2024，（8）：138-140.

[2]柳浩鹏，陈仲生，李潮林.基于深度学习的压缩

感知重构及其应用现状与展望[J].电工技术，2024，（3）：

32-37+41.

[3]熊冰冰，温文媖，方玉明，等.云存储中基于压

缩感知和生命游戏的图像数据保护算法[J].小型微型计算

机系统，2024，45（2）：453-460.

[4]简丽琼.深度卷积网络驱动的医学图像压缩与重

建[J].数字技术与应用，2024，42（11）：140-142.

[5]刘琦，王晔绮，赵国桦，等.基于带宽感知动态

压缩算法的PET/CT影像传输策略[J].计算机应用与软

件，2024，41（6）：142-149.


Refbacks

  • 当前没有refback。