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
Code_流苏15 分钟前
AI知识补全(十四):零样本学习与少样本学习是什么?
人工智能·元学习·少样本学习·零样本学习·语义嵌入
Yvette-W18 分钟前
ChatGPT 迎来 4o模型:更强大的图像生成能力与潜在风险
人工智能·chatgpt
Shockang18 分钟前
机器学习的一百个概念(5)数据增强
人工智能·机器学习
洁洁!22 分钟前
数据采集助力AI大模型训练
前端·人工智能·easyui
cwtlw27 分钟前
PhotoShop学习03
笔记·学习·photoshop
平平无奇科研小天才29 分钟前
scGPT环境安装
人工智能
xcLeigh35 分钟前
计算机视觉入门:从像素到理解的旅程
人工智能·python·opencv·计算机视觉
喾颛顼1 小时前
Mac下小智AI本地环境部署
人工智能·经验分享·macos
艾鹤1 小时前
ollama安装与使用
人工智能·llama
最新快讯1 小时前
科技快讯 | 中国首款全自研高性能RISC-V服务器芯片发布;亚马逊推出Nova Act跻身AI智能体赛道
人工智能·科技