已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

FAP: A Foveation-Inspired Adversarial Purification Pipeline for Enhancing Robustness in Mammography Classification

计算机科学 预处理器 人工智能 对抗制 稳健性(进化) 分类器(UML) 乳腺摄影术 机器学习 医学影像学 模式识别(心理学) 计算机视觉 二元分类 二进制数 数字乳腺摄影术 支持向量机 深度学习 Boosting(机器学习) 可用的 忠诚 上下文图像分类 二元决策图 一次性 深层神经网络 乳腺X光筛查 图像处理 数据挖掘
作者
Ghazal Lalooha,Wenjie Ruan,Venus Haghighi,Xinshu Li,Quan Z. Sheng
标识
DOI:10.1109/icdm65498.2025.00141
摘要

Deep learning models for medical image analysis demonstrate remarkable diagnostic accuracy but remain highly vulnerable to adversarial perturbations. To address this challenge, we introduce Foveated Adversarial Purification (FAP), a biologically inspired preprocessing pipeline that integrates three core innovations. First, FAP employs eccentricity-adaptive separable Gaussian blurring, where kernel size dynamically adjusts with lesion morphology. This approach mimics the human fovea's acuity gradient, preserves high-frequency details around lesions while suppressing peripheral noise, and reduces GPU memory usage by 40% compared to conventional 2D filtering. Second, FAP introduces gradient-guided fixation sampling with sigmoid-clustered probability, which prioritizes lesion-dense regions consistent with radiologists' diagnostic scanpaths. This mechanism achieves 82% overlap with radiologist-annotated regions of interest, ensuring that preprocessing aligns with clinical saliency rather than arbitrary regions. Third, FAP implements lesion-aware adversarial training, where binary spatial masks confine perturbations to non-diagnostic regions. This preserves lesion fidelity while hardening the classifier against attacks, yielding a certified ℓ2 radius of 1.12, exceeding prior defenses. Evaluated across three mammography datasets, FAP achieves substantial robustness improvements: +20.03% absolute accuracy on CMMD (coarse tumors), +16.39% on BREAST (mixed lesions), and maintains baseline performance on CBIS-DDSM (microcalcifications). By aligning computational robustness with biological vision strategies, FAP establishes a clinically interpretable and computationally efficient framework for adversarial defense in medical imaging. The implementation is released in our GitHub repository11https://github.com/ghazallalooha/FAP.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
CAOHOU完成签到,获得积分0
2秒前
琳io完成签到 ,获得积分10
4秒前
mmm完成签到 ,获得积分20
4秒前
4秒前
joejoe完成签到,获得积分10
4秒前
虚心含海完成签到,获得积分10
5秒前
慕尼黑花甲完成签到 ,获得积分10
5秒前
ruixue1完成签到 ,获得积分10
5秒前
Isaac完成签到 ,获得积分10
6秒前
幸运小yu完成签到,获得积分10
7秒前
mmm关注了科研通微信公众号
8秒前
蓝蓝的天空完成签到 ,获得积分10
8秒前
zn666完成签到 ,获得积分10
8秒前
MXiV完成签到,获得积分10
9秒前
小冯住院医师完成签到,获得积分10
10秒前
李爱国的应助被u511277采纳,获得10
10秒前
慕尼黑花甲关注了科研通微信公众号
10秒前
10秒前
Nafis完成签到,获得积分10
10秒前
苹果灰狼完成签到,获得积分10
11秒前
11秒前
Cpp完成签到 ,获得积分10
12秒前
13秒前
13秒前
温暖忆山的应助被Nafis采纳,获得10
14秒前
11完成签到 ,获得积分10
15秒前
爆米花的应助被dayueban采纳,获得10
15秒前
ruixue完成签到 ,获得积分10
15秒前
共享精神的应助被脆皮五花肉采纳,获得10
16秒前
研友_VZG7GZ的应助被君齐采纳,获得10
16秒前
xuewu发布了新的文献求助10
17秒前
虾仁不眨眼完成签到 ,获得积分20
18秒前
白开水完成签到 ,获得积分10
18秒前
星辰大海的应助被科研通管家采纳,获得10
19秒前
JamesPei的应助被科研通管家采纳,获得10
19秒前
Cakoibao的应助被科研通管家采纳,获得10
19秒前
Lucas的应助被科研通管家采纳,获得10
19秒前
科研通AI65的应助被科研通管家采纳,获得10
19秒前
19秒前
强健的棒棒糖完成签到 ,获得积分10
20秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 2000
Handbook of Sport Coaching Research 1000
Orthognathic Surgery - 2 Volume Set 500
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
基于结构调控的功能化水诱导发电材料与器件研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8194810
求助须知:如何正确求助?哪些是违规求助? 9580544
关于积分的说明 21871741
捐赠科研通 7794414
什么是DOI,文献DOI怎么找? 3437768
关于科研通互助平台的介绍 2561095
邀请新用户注册赠送积分活动 2484480