9、图像攻击防御与病理生存分析的创新方法

图像攻击防御与病理生存分析的创新方法

图像攻击防御机制

在图像攻击防御方面，传统的攻击设计中，攻击过程的最终输出是目标图像在经过其他流行的调整大小库进行下采样处理后被破坏。而现在采用了PIL调整大小算法来替代。从混合图像M出发，最终输出的图像T既类似于目标图像T，又保留了源图像S的信息。

基于模型梯度的攻击

为了确保生成的对抗样本看起来像真实数据，对所有数据集使用了缩放攻击，而DAG和IFGSM仅用于灰度数据集。实验发现，IFGSM合成的图像比DAG更接近干净版本，并且总体而言，DAG和IFGSM与缩放攻击相比可被认为是较弱的攻击。
- DAG生成 ：使用两种目标像素选择方式。类型I是将被攻击图像中的所有像素都设为背景；类型II是将所有类别1的像素与类别0（背景）的像素进行交换。
- IFGSM ：仅使用类型I以获得最佳的生成图像质量。

实验与结果

实验使用了Covid肺部数据集（灰度数据集）、眼底数据集和脑部MRI数据集（彩色数据集）。
1. 数据集处理
- Covid肺部数据集 ：包含20个标记的COVID - 19 CT扫描，由两名放射科医生标记左肺、右肺和感染情况，并由经验丰富的放射科医生验证。按患者进行分割，训练/验证/测试样本数量为1816/631/1073。
- 眼底数据集 ：包含青光眼疾病的图像，任务包括青光眼检测和视盘/杯分割，训练、验证和测试各有400张图像。
- <