Buchumschlag

Susceptibility of Adversarial Attack on Medical Image Segmentation Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Zhongxuan, Xu, Leo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Image and Video Processing Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Structure Unbiased Adversarial Model for Medical Image Segmentation
von: Zhang, Tianyang, et al.
Veröffentlicht: (2022)

On Evaluating Adversarial Robustness of Volumetric Medical Segmentation Models
von: Malik, Hashmat Shadab, et al.
Veröffentlicht: (2024)

Adversarial Neural Networks in Medical Imaging Advancements and Challenges in Semantic Segmentation
von: Liu, Houze, et al.
Veröffentlicht: (2024)

Optimizing Medical Image Segmentation with Advanced Decoder Design
von: Yang, Weibin, et al.
Veröffentlicht: (2024)

Black-box Adversarial Attacks Against Image Quality Assessment Models
von: Ran, Yu, et al.
Veröffentlicht: (2024)

Segment Anything in Medical Images
von: Ma, Jun, et al.
Veröffentlicht: (2023)

DeSAM: Decoupled Segment Anything Model for Generalizable Medical Image Segmentation
von: Gao, Yifan, et al.
Veröffentlicht: (2023)

Foundation AI Model for Medical Image Segmentation
von: Bao, Rina, et al.
Veröffentlicht: (2024)

One-Prompt to Segment All Medical Images
von: Wu, Junde, et al.
Veröffentlicht: (2023)

AstMatch: Adversarial Self-training Consistency Framework for Semi-Supervised Medical Image Segmentation
von: Zhu, Guanghao, et al.
Veröffentlicht: (2024)

GMISeg: General Medical Image Segmentation without Re-Training
von: Xu, Jing
Veröffentlicht: (2023)

Conformal Lesion Segmentation for 3D Medical Images
von: Tan, Binyu, et al.
Veröffentlicht: (2025)

LV-UNet: A Lightweight and Vanilla Model for Medical Image Segmentation
von: Jiang, Juntao, et al.
Veröffentlicht: (2024)

Segment Anything Model for Medical Image Segmentation: Current Applications and Future Directions
von: Zhang, Yichi, et al.
Veröffentlicht: (2024)

Adversarial Distortion Learning for Medical Image Denoising
von: Ghahremani, Morteza, et al.
Veröffentlicht: (2022)

Adapting Segment Anything Model 3 for Concept-Driven Lesion Segmentation in Medical Images: An Experimental Study
von: Xu, Guoping, et al.
Veröffentlicht: (2026)

Versatile Defense Against Adversarial Attacks on Image Recognition
von: Zhang, Haibo, et al.
Veröffentlicht: (2024)

Prompt-Guided Patch UNet-VAE with Adversarial Supervision for Adrenal Gland Segmentation in Computed Tomography Medical Images
von: Ghouse, Hania, et al.
Veröffentlicht: (2025)

Towards Reliable Medical Image Segmentation by Modeling Evidential Calibrated Uncertainty
von: Zou, Ke, et al.
Veröffentlicht: (2023)

Scribble-Based Interactive Segmentation of Medical Hyperspectral Images
von: Wang, Zhonghao, et al.
Veröffentlicht: (2024)

Med-TTT: Vision Test-Time Training model for Medical Image Segmentation
von: Xu, Jiashu
Veröffentlicht: (2024)

HC-Mamba: Vision MAMBA with Hybrid Convolutional Techniques for Medical Image Segmentation
von: Xu, Jiashu
Veröffentlicht: (2024)

Segmenting Medical Images with Limited Data
von: Liua, Zhaoshan, et al.
Veröffentlicht: (2024)

Advancing Medical Image Segmentation with Mini-Net: A Lightweight Solution Tailored for Efficient Segmentation of Medical Images
von: Javed, Syed, et al.
Veröffentlicht: (2024)

Defense Against Adversarial Attacks on No-Reference Image Quality Models with Gradient Norm Regularization
von: Liu, Yujia, et al.
Veröffentlicht: (2024)

MS-Twins: Multi-Scale Deep Self-Attention Networks for Medical Image Segmentation
von: Xu, Jing
Veröffentlicht: (2023)

Segment Anything in Medical Images and Videos: Benchmark and Deployment
von: Ma, Jun, et al.
Veröffentlicht: (2024)

Large-Vocabulary Segmentation for Medical Images with Text Prompts
von: Zhao, Ziheng, et al.
Veröffentlicht: (2023)

SAM3D: Segment Anything Model in Volumetric Medical Images
von: Bui, Nhat-Tan, et al.
Veröffentlicht: (2023)

Med-URWKV†: Toward Enhanced Pretrained Pure VRWKV Models for Medical Image Segmentation
von: Zhou, Zhenhuan, et al.
Veröffentlicht: (2025)

ParaTransCNN: Parallelized TransCNN Encoder for Medical Image Segmentation
von: Sun, Hongkun, et al.
Veröffentlicht: (2024)

Towards Collective Intelligence: Uncertainty-aware SAM Adaptation for Ambiguous Medical Image Segmentation
von: Jiang, Mingzhou, et al.
Veröffentlicht: (2024)

Fine-tuned Generative Adversarial Network-based Model for Medical Image Super-Resolution
von: Aghelan, Alireza, et al.
Veröffentlicht: (2022)

Segmentation Quality and Volumetric Accuracy in Medical Imaging
von: Zhang, Zheyuan, et al.
Veröffentlicht: (2024)

Survey on Adversarial Attack and Defense for Medical Image Analysis: Methods and Challenges
von: Dong, Junhao, et al.
Veröffentlicht: (2023)

Distillation Learning Guided by Image Reconstruction for One-Shot Medical Image Segmentation
von: Zhou, Feng, et al.
Veröffentlicht: (2024)

SliceMamba with Neural Architecture Search for Medical Image Segmentation
von: Fan, Chao, et al.
Veröffentlicht: (2024)

Q-Segment: Segmenting Images In-Sensor for Vessel-Based Medical Diagnosis
von: Bonazzi, Pietro, et al.
Veröffentlicht: (2023)

Guardians of Image Quality: Benchmarking Defenses Against Adversarial Attacks on Image Quality Metrics
von: Gushchin, Alexander, et al.
Veröffentlicht: (2024)

Swin SMT: Global Sequential Modeling in 3D Medical Image Segmentation
von: Płotka, Szymon, et al.
Veröffentlicht: (2024)