在头部CT扫描中分析面部特征去除的TotalSegmentator

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 数据 隐私 数据 隐私 数据

背景情况:

• 面部识别技术在医学成像中构成隐私风险,特别是在头部CT扫描中含有可识别的面部特征.
• 保护患者数据,同时促进研究是医疗保健的一个关键挑战.

研究的目的:

• 评估面部识别软件在识别头部CT扫描中的面部特征方面的有效性.
• 使用TotalSegmentator来探索破坏管道,以减少重新识别风险.
• 评估破坏对数据完整性的影响,用于研究目的.

主要方法:

• 来自UCLH EIT Stroke数据集的1404个头部CT染 (有损和没有损) 的分析.
• 将TotalSegmentator的破坏性能与最先进的CT破坏算法进行比较.
• 利用深度学习进行面部检测,并使用支持矢量机器分类器与5倍交叉验证对面部嵌入的同位数相似性进行比较.

主要成果:

• 在76.5%的非变形CT扫描中检测到面部特征.
• 与非变形图像 (ROC-AUC 0.69,精度 0.65) 相比,使用TotalSegmentator的变形图像显著降低了重新识别性能 (ROC-AUC 0.55,精度 0.56).
• 在CTA-DEFACE算法上,TotalSegmentator提供了略高的隐私保护.

结论:

• 面部识别软件可以从头部CT扫描中识别个人.
• TotalSegmentator的破坏管道有效地将重新识别风险降低到接近机会的水平.
• 这种保护隐私的管道对于多个地点的研究,数据共享和遵守医疗法律要求是有价值的.