通过对抗MRI研究序列的对抗,他们需要对抗

科学领域:

• 医疗成像医学成像
• 放射学 放射学是一门学科.
• 神经科学是一个神经科学.

背景情况:

• 大脑MRI,CT和PET图像很容易通过面部识别重新识别.
• 脱面软件减轻了重新识别的风险,但其在各种MRI序列中的有效性尚未完全理解.
• 脱面对特定MRI序列的定量影响需要研究.

研究的目的:

• 评估超出T1加权 (T1-w) 和T2-FLAIR的多个研究级MRI序列的重新识别潜力.
• 评估脱面软件在减少这些序列的重新识别风险方面的有效性.
• 量化对面对面对常见的自动化神经成像分析管道的影响.

主要方法:

• 检查了T1-w,T2-w,T2*-w,T2-FLAIR,扩散MRI (dMRI),功能MRI (fMRI) 和动脉旋转标记 (ASL) 序列的重新识别潜力.
• 应用mri_reface 0.3版本去面,并评估其减少重新识别的成功率.
• 评估了对皮层体积,白质超强度 (WMH) 和定量敏感度映射 (QSM) 的定量管道上的脱面的差异影响.

主要成果:

• 3D T1-w,T2-w和T2-FLAIR序列显示了高的重新识别率 (96-98%).
• 2D T2-FLAIR和3D多回声GRE (ME-GRE) 中适度重新识别 (44-45%),而衍生T2*显示低率 (10%).
• 在dMRI,fMRI和ASL测序中,重新识别的风险很小 (0-8%). 不面对减少成功的重新识别到 ≤8%跨序列.
• 对定量测量的差异影响与扫描-重新扫描变异性相比或小.

结论:

• 高质量的脱面软件有效地降低了易受攻击的MRI序列的重新识别风险,对自动化定量分析的影响最小.
• dMRI,fMRI和ASL序列通常具有较低的重新识别风险,并且可能不需要面对,取决于获取参数.
• 该研究强调了对抗对加强MRI数据隐私和促进安全研究数据共享的重要性.