Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2502.07516

帮助 | 高级搜索

电气工程与系统科学 > 图像与视频处理

arXiv:2502.07516 (eess)
[提交于 2025年2月11日 (v1) ,最后修订 2025年2月14日 (此版本, v2)]

标题: 魔鬼藏在提示中:去识别化痕迹增强合成胸部X光生成的记忆风险

标题: The Devil is in the Prompts: De-Identification Traces Enhance Memorization Risks in Synthetic Chest X-Ray Generation

Authors:Raman Dutt
摘要: 生成模型,尤其是文本到图像(T2I)扩散模型,在医学图像分析中扮演着关键角色。然而,这些模型容易受到训练数据记忆的影响,从而对患者隐私构成重大风险。合成胸部X射线生成是医学图像分析中最常见的应用之一,MIMIC-CXR数据集作为该任务的主要数据存储库。本研究首次系统地尝试识别在MIMIC-CXR中对训练数据记忆贡献最大的提示和文本标记。我们的分析揭示了两个意外发现:(1) 包含去标识化程序痕迹(用于隐藏受保护健康信息的标记)的提示是最容易被记忆的,(2) 在所有标记中,去标识化标记对记忆贡献最大。这突显了标准匿名化实践与使用MIMIC-CXR的T2I合成中的一个更广泛问题。此外,现有的推理阶段记忆缓解策略无效,无法充分减少模型对记忆文本标记的依赖。在这方面,我们为不同利益相关者提出了可操作的策略,以增强隐私并提高医学成像中生成模型的可靠性。最后,我们的结果为未来基于MIMIC-CXR数据集开发和基准测试合成胸部X射线生成的记忆缓解技术奠定了基础。匿名代码可在https://anonymous.4open.science/r/diffusion_memorization-8011/ 获取。
摘要: Generative models, particularly text-to-image (T2I) diffusion models, play a crucial role in medical image analysis. However, these models are prone to training data memorization, posing significant risks to patient privacy. Synthetic chest X-ray generation is one of the most common applications in medical image analysis with the MIMIC-CXR dataset serving as the primary data repository for this task. This study presents the first systematic attempt to identify prompts and text tokens in MIMIC-CXR that contribute the most to training data memorization. Our analysis reveals two unexpected findings: (1) prompts containing traces of de-identification procedures (markers introduced to hide Protected Health Information) are the most memorized, and (2) among all tokens, de-identification markers contribute the most towards memorization. This highlights a broader issue with the standard anonymization practices and T2I synthesis with MIMIC-CXR. To exacerbate, existing inference-time memorization mitigation strategies are ineffective and fail to sufficiently reduce the model's reliance on memorized text tokens. On this front, we propose actionable strategies for different stakeholders to enhance privacy and improve the reliability of generative models in medical imaging. Finally, our results provide a foundation for future work on developing and benchmarking memorization mitigation techniques for synthetic chest X-ray generation using the MIMIC-CXR dataset. The anonymized code is available at https://anonymous.4open.science/r/diffusion_memorization-8011/
主题: 图像与视频处理 (eess.IV) ; 人工智能 (cs.AI); 计算机视觉与模式识别 (cs.CV); 机器学习 (cs.LG)
引用方式: arXiv:2502.07516 [eess.IV]
  (或者 arXiv:2502.07516v2 [eess.IV] 对于此版本)
  https://doi.org/10.48550/arXiv.2502.07516
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Raman Dutt [查看电子邮件]
[v1] 星期二, 2025 年 2 月 11 日 12:36:00 UTC (3,335 KB)
[v2] 星期五, 2025 年 2 月 14 日 17:24:56 UTC (3,389 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
cs.AI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-02
切换浏览方式为:
cs
cs.CV
cs.LG
eess
eess.IV

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号