Loading...
机构名称:
¥ 1.0

图像注册是医学成像应用中的关键任务,可以在常见的空间参考框架中表示医学图像。当前的图像统一方法通常基于以下假设:图像的内容通常以清晰的形式访问,随后可以从中估算空间转换。在实际应用中可能无法满足这种共同的假设,因为医疗图像的敏感性最终可能需要在隐私约束下进行分析,从而阻止公开共享图像内容。在这项工作中,我们在保存隐私制度下制定了图像注册的问题,其中假定图像是机密的,不能清楚地披露。我们通过扩展经典的注册范式来说明高级加密工具(例如安全的多方计算和同质加密),从而导致执行操作而无需泄漏基础数据,从而得出了保留图像注册框架的隐私保护框架。为了克服高维度中加密工具的性能和可扩展性问题,我们提出了几种技术来通过使用梯度近似值来优化图像注册操作,并通过重新审视同多态加密槽堆积的使用,以允许E FFI有效的基础和大型矩阵的乘法。我们专注于增加综合性的登记方法,包括基于立方花纹或通过时间变化速度场参数参数参数参数的刚性,FFI NE和非线性注册。©2025 Elsevier B. V.保留所有权利。在所有这些设置中,我们演示了如何自然地将注册问题适应用于隐私保护操作,并说明了PPIR在各种注册任务上的E FF eCTECTISISION。

隐私保存图像注册

隐私保存图像注册PDF文件第1页

隐私保存图像注册PDF文件第2页

隐私保存图像注册PDF文件第3页

隐私保存图像注册PDF文件第4页

隐私保存图像注册PDF文件第5页

相关文件推荐

2023 年
¥1.0
2024 年
¥1.0
2023 年
¥1.0
2020 年
¥1.0
2025 年
¥1.0
2024 年
¥1.0
1900 年
¥1.0
2025 年
¥1.0
1900 年
¥1.0
2025 年
¥1.0
2024 年
¥6.0
2024 年
¥3.0
2024 年
¥1.0
2024 年
¥1.0
2025 年
¥1.0
2023 年
¥34.0
2024 年
¥5.0
2023 年
¥1.0
2022 年
¥1.0
2022 年
¥1.0
2024 年
¥1.0
2023 年
¥1.0
1900 年
¥6.0
2024 年
¥2.0
2021 年
¥1.0
2022 年
¥1.0
2022 年
¥1.0