基于人工智能的面部转换患者发作 视频用于隐私保护
Jen-Cheng Hou1, Chin-Jou Li2, Chien-Chen Chou3,4,5
1Research Center for Information Technology Innovation, Academia Sinica, Taipei, Taiwan.
Mayo Clinic proceedings. Digital health
|April 10, 2025
概括
人工智能 (AI) 方法在发作视频中对面部无识别是可行的. 漫画化提供了在保护患者隐私和保护关键的发作表征学细节之间最好的平衡.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 神经学 神经学
背景情况:
- 发作视频包含敏感的患者信息.
- 保护患者隐私在医学研究和临床实践中至关重要.
- 现有的非识别方法可能会损害临床相关数据.
研究的目的:
- 评估人工智能驱动的面部去识别技术在发作视频中的可行性和准确性.
- 评估患者隐私保护与症隐形学保护之间的平衡.
- 确定最佳的人工智能方法来消除医疗视频中面部特征的识别.
主要方法:
- 医院录制的发作视频 (2020年8月至2023年2月).
- 测试了三种AI面部转换模型:男性变形,女性替代和漫画化.
- 通过专家临床医生评分和客观计算评估了非识别和符号学保存.
主要成果:
- 根据临床医师的评分,漫画化实现了消除身份和保持面部隐形学之间的最佳妥协.
- 男性的面部变形提供了更好的非识别功能,但牺牲了临床细节.
- 客观相似性测试通常与临床医生的分数保持一致,尽管隐义学保存结果是混合的.
结论:
- 基于人工智能的面部转换是一种可行的方法,可以消除医疗视频的身份.
- 漫画化方法为隐私保护提供了有效的平衡,同时保留了必要的临床信息.
- 用更大的数据库进行进一步的研究可能会改善客观的语义学保存指标.
更多相关视频
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.6K
06:32Author Spotlight: Automated Deep Brain Stimulation for Parkinson's Disease - Exploring the Possibilities and Challenges of Home Monitoring
Published on: July 14, 2023
1.2K
