深層学習による顔面コンピュータ断層撮影画像の匿名化戦略と再識別リスク

科学分野:

• 医用画像
• 人工知能
• コンピュータビジョン

背景:

• 頭部コンピュータ断層撮影（CT）スキャンには機密性の高い顔面情報が含まれており、再識別のリスクがあります。
• 既存の匿名化手法は、顔面骨格構造の完全性を損なう可能性があります。
• 医療画像データの共有には、効果的なプライバシー保護が不可欠です。

研究 の 目的:

• 頭部CT画像の深層学習ベースの選択的匿名化手法を開発および評価すること。
• 顔面軟部組織の特徴を除去し、顔面骨格構造を維持すること。
• 堅牢なプライバシー保護のために、匿名化後の再識別リスクを評価すること。

主な方法:

• 3091人の患者から3206件の顔面CTスキャンを対象とした後向き研究が含まれました。
• YOLOv8ベースのモデルを使用して、顔面軟部組織の特徴を選択的に除去しました。
• 深層学習顔面埋め込みと人間の評価を使用して、再識別リスクを評価しました。

主要な成果:

• 匿名化モデルは平均平均精度（mAP）0.858を達成しました。
• 深層学習ベースの再識別精度は85％から64％に低下しました。
• 一般参加者と形成外科医の両方において、人間の再識別精度は84％から55％に低下しました。

結論:

• 顔面CT画像の選択的匿名化手法が正常に開発されました。
• この手法は頭蓋顔面構造を効果的に維持し、再識別リスクを大幅に低減します。
• 公開されているモデルとデモにより、顔面CT研究でのより広範な採用が促進されます。