Vademecum Live

@vademecum_live · health · Russian · active

Subscribers 12.6K Subscribers, last 30 days: 12.6K → 12.6K +0 24h
Reach per post (ERR) 12.9%1.6K avg views
Posting 13.3/day last 6 hours ago
Reactions per 1K views 3.7 ❤ 👍 🔥
edited

Ученые разработали метод очистки медицинских изображений от состязательных атак Исследователи из Школы компьютерных наук Ноттингемского университета в Нинбо (Китай) и Ноттингемского университета (Великобритания) представили новую разработку AdvPurify-GAN – генеративно-состязательную сеть для очистки медицинских изображений от состязательных атак. По словам авторов, система стала прорывом в области повышения устойчивости систем анализа медицинских изображений. Глубокие нейросети, применяемые для диагностики заболеваний, уязвимы к состязательным атакам – намеренно внесенным в изображение незаметным искажениям, которые приводят модель к неверному предсказанию. Медицинские модели оказываются более уязвимы из-за дефицита данных, обусловленного вопросами приватности и сложностью сбора. Существующие методы защиты эффективны лишь против конкретных типов атак и требуют переобучения модели, что в медицинской сфере затруднено из-за ограничений на обмен данными и высокой вычислительной стоимости. Предложенный метод основан на очистке изображений: генератор на базе U-Net с латентным кодированием восстанавливает атакованное изображение до подачи на классификатор, не требуя его переобучения. Для стабилизации обучения авторы применили спектральную нормализацию, мягкую регуляризацию согласованности и экспоненциальное скользящее среднее, адаптировав их под особенности медицинских изображений (низкую вариативность, высокую структурированность и значимость мелких деталей). По стандартным сценариям атак AdvPurify-GAN превзошел сравниваемые методы состязательного обучения и очистки. Время работы составило около 15 мс, что значительно превысило показатели существующих датасетов. Подписывайтесь на наши каналы в MAX: Vademecum и Vademecum Live

Views over time

02505007501K7 Oct 13:2211 Nov 16:098737 Oct 13:22: 0 views11 Nov 16:09: 873 views
Snapshots we took after posting.
WhenViews
7 Oct 2026, 13:220
11 Nov 2026, 16:09873

Who shared this post

Posts in other channels we index that link to this one. (Forwards with a hidden source can't be traced.)

Nobody yet.