在皮肤病学中面部去识别的生成对抗网络的现状:系统审查和评估
Christine Park1, Hyeon Ki Jeong1, Ricardo Henao2
1Department of Dermatology, Duke University Medical Center, Durham, NC, United States.
JMIR dermatology
|October 30, 2024
概括
目前的面部去识别算法对于皮肤病学来说是不够的,通常无法保存皮肤特征. 需要新的方法来平衡患者隐私与面部图像用于自动分析的实用性.
科学领域:
- 皮肤病学 皮肤病学
- 医疗成像医学成像
- 计算机科学 计算机科学
背景情况:
- 由于自动图像分析的进步,在皮肤病学中保护患者的匿名性至关重要.
- 面部去识别对于在皮肤学研究和临床应用中保持隐私至关重要.
研究的目的:
- 进行对自动面部非识别算法的系统文献审查.
- 评估皮肤病学用例面部非识别技术的现状.
主要方法:
- 在MEDLINE,Embase和Web of Science数据库中的系统文献搜索,截至2021年5月1日.
- 包括18项关于面部非识别方法的研究.
- 排除在查期间设计或结果不正确的研究.
主要成果:
- 大多数经过审查的面部去识别算法优先考虑特征保存,而不是皮肤颜色和质地.
- 评估的重点是皮肤病的实用性,包括皮肤颜色,色素,纹理,数据实用性和人类检测.
- 在有效保存面部图像所有关键方面的算法中存在一个显著的差距.
结论:
- 现有的面部去识别算法对于皮肤病学来说是不够的,无法保护面部特征和皮肤质量.
- 需要一种新的方法来增强患者的匿名性,同时改善皮肤学图像自动化分析的数据可访问性.
- 通过先进的自动化图像分析,改进的算法是必要的,以获得更好的患者护理.


