跳到正文
原文
arXiv · Image and Video Processing· Nikhil J. Dhinagar, Rishab Pendam, Harmony S. Cen 等 10 人
· 3 天前

SCAN:面向神经系统疾病分类的站点感知协作隐私保护视觉语言模型适配

SCAN: Site-Aware Collaborative Privacy-Preserving Adaptation of Vision-Language Models for Neurological Disease Classification

预印本 · 尚未经过同行评审

AI 导读

SCAN 让新站点无需重训或共享脑 MRI 即可适配 3D 医学视觉语言模型,在 7 个未见站点零样本 AUC 为 0.833–0.945。

摘要 · AI 翻译

全球神经影像数据可以强化诊断基础模型,但隐私法规往往阻碍脑部 MRI 扫描的集中化。我们提出 SCAN,一种面向神经系统疾病分类的站点感知协作适配框架,使新站点无需重新训练或共享患者扫描即可适配 3D 医学视觉-语言模型(VLM)。每个站点保留精确的类别原型用于本地预测,并可共享受隐私保护的类别摘要:范数有界的和与计数,经校准噪声一次性扰动。利用来自 12 个国家 67 个站点的 7,641 例扫描,涵盖阿尔茨海默病(AD)、卒中、癫痫和对照,我们评估了本地适配、跨站点收益以及对现有站点的影响。在七个未见站点上,冻结 VLM 的零样本 AUC 对 AD 和卒中为 0.833–0.945。免训练的本地原型将三个站点的癫痫 AUC 从 0.598/0.625/0.508 提升至 0.684/0.729/0.762,并将一个站点的 AD AUC 从 0.833 提升至 0.863,几乎与各站点训练的专用分类器相当(平均 AUC 0.757 对 0.759)。在差分隐私($\epsilon$ = 4)下,新站点做出贡献而未实质性降低现有站点的准确率(AUC 变化 $\leq$0.2%),尽管共享带来的增益有限,且成员推断攻击的表现接近随机。SCAN 为医院提供了一个全球框架,可在不交换扫描或重新训练的情况下适配和共享脑部 MRI VLM。

中文由 AI 翻译,仅供参考,以原文为准。

来源:arXiv · Image and Video Processing · arxiv.org

相关事件

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。