探索基于人工智能的系统设计,用于在医学图像中进行像素级保护的健康信息检测

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 数据 隐私 数据 隐私 数据

背景情况:

• 医疗图像的非识别对于研究和临床数据共享的隐私至关重要.
• 在图像元数据和像素中检测受保护的健康信息 (PHI) 是主要的挑战.
• 现有AI解决方案的有限评估阻碍了可靠的非识别工具的开发.

研究的目的:

• 介绍和评估基于人工智能的管道,用于检测医疗图像中的PHI.
• 在这种情况下,对不同的AI模型进行文本检测,提取和分析的基准测试.
• 为了确定一个强大而高效的PHI检测系统的最佳配置.

主要方法:

• 开发了一个人工智能管道,包含三个模块:文本检测,文本提取和文本分析.
• 在各种配置中进行基准YOLOv11,EasyOCR和GPT-4o.
• 评估了两个数据集的性能,具有不同的成像模式和PHI类型.

主要成果:

• 最优的设置是为每个管道模块使用专门的视觉和语言模型.
• 这种配置实现了性能,延迟和使用大型语言模型 (LLM) 的成本之间的有利平衡.
• 不仅在PHI识别方面,LLM也被证明是有效的,它还可以增强光学字符识别 (OCR) 并实现端到端检测.

结论:

• 一个带有专门视觉和语言模型的AI管道为医疗图像中PHI检测提供了有效的解决方案.
• 整合LLM显著提高了整体性能和能力的去识别过程.
• 这种方法证明了提高医疗图像数据共享中的隐私的有希望的结果.