Privacy Preserving Image Registration

要約

画像レジストレーションは、医用画像アプリケーションの重要なタスクであり、共通の空間参照フレームで医用画像を表すことができます。
画像レジストレーションへの現在のアプローチは、一般に、画像のコンテンツは通常、明確な形式でアクセス可能であり、そこから空間変換が推定されるという仮定に基づいています。
この一般的な仮定は、実際のアプリケーションでは満たされない可能性があります。これは、医用画像の機密性の高い性質により、最終的にはプライバシーの制約の下で分析が必要になる可能性があり、画像コンテンツを公然と共有することが妨げられる可能性があるためです。
画像は機密であると想定され、明確に開示することはできません。
安全なマルチパーティ計算や準同型暗号化などの高度な暗号化ツールを考慮して、古典的な登録パラダイムを拡張することにより、プライバシーを保護する画像登録フレームワークを導き出し、基礎となるデータを漏らすことなく操作を実行できるようにします。
高次元での暗号化ツールのパフォーマンスとスケーラビリティの問題を克服するために、勾配近似を使用して画像登録操作を最適化し、準同型暗号化トラフ パッキングの使用を再検討して、効率的な暗号化と大規模な乗算を可能にするいくつかの手法を提案します。
行列。
線形および非線形の登録問題におけるプライバシー保護フレームワークを実証し、標準の非公開の対応物に関してその精度とスケーラビリティを評価します。
私たちの結果は、プライバシーを保護する画像登録が実現可能であり、機密性の高い医療画像アプリケーションに採用できることを示しています。

要約(オリジナル)

Image registration is a key task in medical imaging applications, allowing to represent medical images in a common spatial reference frame. Current approaches to image registration are generally based on the assumption that the content of the images is usually accessible in clear form, from which the spatial transformation is subsequently estimated. This common assumption may not be met in practical applications, since the sensitive nature of medical images may ultimately require their analysis under privacy constraints, preventing to openly share the image content.In this work, we formulate the problem of image registration under a privacy preserving regime, where images are assumed to be confidential and cannot be disclosed in clear. We derive our privacy preserving image registration framework by extending classical registration paradigms to account for advanced cryptographic tools, such as secure multi-party computation and homomorphic encryption, that enable the execution of operations without leaking the underlying data. To overcome the problem of performance and scalability of cryptographic tools in high dimensions, we propose several techniques to optimize the image registration operations by using gradient approximations, and by revisiting the use of homomorphic encryption trough packing, to allow the efficient encryption and multiplication of large matrices. We demonstrate our privacy preserving framework in linear and non-linear registration problems, evaluating its accuracy and scalability with respect to standard, non-private counterparts. Our results show that privacy preserving image registration is feasible and can be adopted in sensitive medical imaging applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google