FaceMotionPreserve:一种用于面部非识别和医疗信息保存的生成方法
Bingquan Zhu1, Chen Zhang1, Yanan Sui2
1National Engineering Research Center of Neuromodulation, Tsinghua University, Beijing, 100084, China.
Scientific reports
|July 27, 2024
概括
这项研究介绍了FaceMotionPreserve,这是一种新的AI模型,通过改变身份,在远程医疗中保护患者的面部隐私,同时保留关键的面部运动数据以进行准确的医学诊断.
科学领域:
- 医学成像医学成像
- 人工智能的人工智能是人工智能.
- 计算机视觉 计算机视觉 计算机视觉
背景情况:
- 远程医疗和视频诊断引发了面部隐私方面的担忧.
- 消除身份的方法必须保留诊断面部运动信息.
- 面部动态对于诊断神经和精神疾病至关重要.
研究的目的:
- 开发一种深度生成模型,用于对患者视频进行非识别.
- 为了保持医疗诊断所必不可少的面部动态.
- 为了提高面部标志一致性,以便进行准确的分析.
主要方法:
- 开发了FaceMotionPreserve,这是一个深度生成模型.
- 整合了一个新的面部动态相似性模块.
- 通过使用帕金森病患者的远程医疗视频进行评估.
主要成果:
- 在保持动态的同时,FaceMotionPreserve成功地改变了面部身份.
- 神经科医生诊断的一致性和关键面部行为忠实性得到维持.
- 模型在单独的患者队列上得到验证,显示了强度.
结论:
- 在远程医疗中,FaceMotionPreserve保护了面部隐私.
- 从面部运动中获得的关键医学信息被保留.
- 允许更安全的医疗数据共享和实时集成.
