ROFI:一种基于深度学习的眼科信号保护和可逆的患者面部匿名化器
Yuan Tian1,2, Min Zhou1, Yitong Chen3
1Department of Ophthalmology, Shanghai Ninth People's Hospital, State Key Laboratory of Eye Health, Shanghai Key Laboratory of Orbital Diseases and Ocular Oncology, and Center for Basic Medical Research and Innovation in Visual System Diseases of Ministry of Education, Shanghai Jiao Tong University School of Medicine, Shanghai, China.
NPJ digital medicine
|November 20, 2025
概括
深度学习框架ROFI在眼科图像中匿名化了患者的脸部,同时保持了眼部疾病的诊断准确性. 这保护了数字医学中的患者隐私.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 患者的面部图像对于诊断眼睛疾病至关重要,但也引发了严重的隐私问题.
- 在匿名化敏感的面部数据时,现有的方法可能会损害诊断准确性.
研究的目的:
- 引入ROFI,这是一种用于眼科图像分析中的隐私保护的新型深度学习框架.
- 评估ROFI在保留关键疾病指标的同时匿名化面部特征的能力.
主要方法:
- ROFI利用弱监督学习和神经身份翻译来实现面部匿名化.
- 该框架在多个队列和眼睛疾病中测试了诊断准确度,诊断灵敏度和图像匿名化率.
主要成果:
- 在保留疾病特征方面,ROFI获得了超过98%的准确性和k > 0.90.
- 它显示了100%的诊断灵敏度和11种眼病的高一致性 (κ>0.90),匿名化了95%以上的图像.
- 当与人工智能系统集成时,该框架保持了原始诊断 (κ > 0.80),并允许安全的图像反转.
结论:
- 在眼科中,ROFI有效地将患者图像匿名化,保护隐私而不牺牲诊断完整性.
- 该框架支持人工智能集成和安全的数据处理,这对于现代数字医疗保健至关重要.
- 在数字医学时代,ROFI代表了保护患者隐私的重大进步.
更多相关视频
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
1.7K
10:14Author Spotlight: Ex Vivo OCT-Based Multimodal Imaging of Human Donor Eyes for Research into Age-Related Macular Degeneration
Published on: May 26, 2023
4.1K
