研究量化脑MRI基础模型表征的隐私风险

2026年10月15日，arXiv Computer Vision 刊出 Imen Bajar 等作者的研究，评估脑 MRI 基础模型表征的隐私风险。研究使用五个冻结预训练编码器，在 OASIS-2 和 MIRIAD 两个纵向 T1 加权数据集上量化患者关联与属性推断风险。结果显示，最高风险表征的 rank-1 患者关联率在 MIRIAD 上达 99%，在 OASIS-2 上超过 90%。作者据此指出，用学习到的嵌入替换原始脑 MRI 本身并不能消除患者关联或属性推断风险，因此不足以单独确立匿名性。

AI 根据报道生成 · 34 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。