用于稳健体积医疗分割的频域对抗训练

Frequency Domain Adversarial Training for Robust Volumetric Medical Segmentation

摘要

当务之急是确保深度学习模型在医疗保健等关键应用中的鲁棒性。虽然深度学习的最新进展提高了体积医学图像分割模型的性能,但由于这些模型容易受到对抗性攻击,因此无法立即部署到实际应用中。

提出了一种用于体积医学图像分割模型的 3D 频域对抗性攻击,并展示了其相对于传统输入或体素域攻击的优势。

引入了一种新的频域对抗训练方法,用于优化针对体素和频域攻击的鲁棒模型。

提出了频率一致性损失来调节我们的频域对抗训练,从而在模型在干净样本和对抗样本上的性能之间实现更好的权衡。

代码地址

本文方法

通过使用一个名为"频率扰动"的新模块扰动其频域表示来生成对抗样本。然后更新模型,同时最大限度地减少干净和对抗性扰动图像上的骰子损失。此外,我们提出了频率一致性损失以提高模型性能。

实验结果


相关推荐
飞哥数智坊5 小时前
GPT-5-Codex 发布,Codex 正在取代 Claude
人工智能·ai编程
倔强青铜三6 小时前
苦练Python第46天:文件写入与上下文管理器
人工智能·python·面试
虫无涯6 小时前
Dify Agent + AntV 实战:从 0 到 1 打造数据可视化解决方案
人工智能
Dm_dotnet9 小时前
公益站Agent Router注册送200刀额度竟然是真的
人工智能
算家计算9 小时前
7B参数拿下30个世界第一!Hunyuan-MT-7B本地部署教程:腾讯混元开源业界首个翻译集成模型
人工智能·开源
机器之心9 小时前
LLM开源2.0大洗牌:60个出局,39个上桌,AI Coding疯魔,TensorFlow已死
人工智能·openai
Juchecar10 小时前
交叉熵:深度学习中最常用的损失函数
人工智能
林木森ai10 小时前
爆款AI动物运动会视频,用Coze(扣子)一键搞定全流程(附保姆级拆解)
人工智能·aigc
聚客AI11 小时前
🙋‍♀️Transformer训练与推理全流程:从输入处理到输出生成
人工智能·算法·llm
BeerBear12 小时前
【保姆级教程-从0开始开发MCP服务器】一、MCP学习压根没有你想象得那么难!.md
人工智能·mcp