机构名称：
¥ 1.0
基于病例的解释是一种直观的方法，可以深入了解临床环境中深度学习模型的决策过程。但是，由于隐私问题，医疗图像不能作为解释共享。为了解决这个问题，我们提出了一种新颖的方法，用于删除图像的身份和医学特征，并将其应用于匿名医学图像。分离机制取代了图像中的某些特征向量，同时确保保留其余特征，从而获得编码图像的身份和医疗特征的独立特征向量。我们还提出了一个模型来制造合成隐私的身份，以替代原始图像的身份并实现匿名化。这些模型应用于医疗和生物识别数据集，证明了它们生成可保留其原始医疗内容的现实匿名图像的能力。此外，实验显示了网络通过更换医疗功能来生成反事实图像的固有能力。
医学图像分析
主要关键词
相关文件推荐
