发作视频中的面部交换用于患者身份失明
Chin-Jou Li1, Jen-Cheng Hou2, Chien-Chen Chou3
1Department of Computer Science and Information Engineering, National Taiwan University, Taiwan.
Epilepsy research
|September 25, 2024
概括
人工智能换脸模型可以在发作视频中保护患者的隐私. 幽灵模型最好地保存了用于研究和教育的扣押细节,同时确保了身份清除.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 发作视频对于诊断,教育和研究至关重要.
- 在共享临床视频时,保护患者隐私至关重要.
- 目前的消除身份的方法可能会损害临床相关信息.
研究的目的:
- 评估基于人工智能的面部交换模型的有效性,以消除发作视频的识别.
- 评估面部交换对保持发作半学学的影响.
- 为了比较三个开源AI模型的性能:SimSwap,MobileFaceSwap和GHOST.
主要方法:
- 三个人工智能面部交换模型 (SimSwap,MobileFaceSwap,GHOST) 应用于3个发作视频中.
- 人工智能生成的面孔被用于取代18个转换的视频剪辑中的原始面孔 (3个模型×2个性别).
- 客观 (基于AI的指标) 和主观 (专家皮病学家审查) 评估评估了脱标和隐形学保存.
主要成果:
- 所有经过测试的AI模型都成功地消除了面部识别,在客观或主观评估中没有显著差异.
- 客观评价显示,在不同模型中,在半学维护方面没有显著差异.
- 病学家的主观评估表明,GHOST模型在保留符号学方面显著优于SimSwap和MobileFaceSwap (p=0.028).
结论:
- 人工智能面部交换是一种可行的方法,可以消除发作视频的识别.
- 与SimSwap和MobileFaceSwap相比,GHOST模型在维持发作的语义方面表现出卓越的性能.
- 优化的人工智能面部交换可以提高视频数据的可访问性,用于研究和教育,同时保护患者的隐私.
