論文の概要: Deepfakes for Medical Video De-Identification: Privacy Protection and Diagnostic Information Preservation

• arxiv url: http://arxiv.org/abs/2003.00813v1
• Date: Fri, 7 Feb 2020 22:36:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-03 03:42:28.496901
• Title: Deepfakes for Medical Video De-Identification: Privacy Protection and Diagnostic Information Preservation
• Title（参考訳）: 医用ビデオ復号化のためのディープフェイク:プライバシー保護と診断情報保存
• Authors: Bingquan Zhu, Hao Fang, Yanan Sui, Luming Li
• Abstract要約: 顔認識アプローチとしてのフェイススワッピングは信頼性が高く、キーポイントはほぼ不変であり、従来の方法よりもはるかに優れている。 本研究では,医療データ共有の倫理的制約をクリアし,映像の識別とキーポイント保存のためのパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 12.10092482860325
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data sharing for medical research has been difficult as open-sourcing clinical data may violate patient privacy. Traditional methods for face de-identification wipe out facial information entirely, making it impossible to analyze facial behavior. Recent advancements on whole-body keypoints detection also rely on facial input to estimate body keypoints. Both facial and body keypoints are critical in some medical diagnoses, and keypoints invariability after de-identification is of great importance. Here, we propose a solution using deepfake technology, the face swapping technique. While this swapping method has been criticized for invading privacy and portraiture right, it could conversely protect privacy in medical video: patients' faces could be swapped to a proper target face and become unrecognizable. However, it remained an open question that to what extent the swapping de-identification method could affect the automatic detection of body keypoints. In this study, we apply deepfake technology to Parkinson's disease examination videos to de-identify subjects, and quantitatively show that: face-swapping as a de-identification approach is reliable, and it keeps the keypoints almost invariant, significantly better than traditional methods. This study proposes a pipeline for video de-identification and keypoint preservation, clearing up some ethical restrictions for medical data sharing. This work could make open-source high quality medical video datasets more feasible and promote future medical research that benefits our society.
• Abstract（参考訳）: 臨床データのオープンソース化は患者のプライバシーを侵害する可能性があるため、医学研究のためのデータ共有は困難である。 従来の顔の識別方法では、顔の情報を完全に消去し、顔の行動を分析することは不可能である。 全身キーポイント検出の最近の進歩は、身体キーポイントを推定するために顔入力にも依存している。 顔と体の両方のキーポイントはいくつかの診断において重要であり、非識別後のキーポイントの不変性は非常に重要である。 本稿では,ディープフェイク技術を用いた顔交換手法を提案する。 このスワッピング法は、プライバシとポートレートを正しく侵害したとして批判されているが、逆に医療ビデオのプライバシーを保護し、患者の顔は適切なターゲットの顔に切り替えられ、認識不能になる可能性がある。 しかし, 交換復号化法が身体のキーポイントの自動検出にどの程度影響するかは, 未解決のままであった。 本研究では, パーキンソン病検診ビデオにディープフェイク技術を適用し, 被験者の身元を同定し, 顔のスワッピングは信頼性が高く, キーポイントはほぼ不変であり, 従来の方法よりもかなり優れていることを示す。 本研究は,医療データ共有における倫理的制約を解消し,映像識別とキーポイント保存のためのパイプラインを提案する。 この研究により、オープンソースの高品質な医療ビデオデータセットがより実現可能になり、私たちの社会に利益をもたらす将来の医学研究を促進することができる。

関連論文リスト

• Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
  この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。 また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-31T19:28:04Z)
• OpticalDR: A Deep Optical Imaging Model for Privacy-Protective Depression Recognition [66.91236298878383]
  抑うつ認識(DR)は、特にプライバシー上の懸念の文脈において、大きな課題となる。 我々は,疾患関連特徴を保持しつつ,撮像した顔画像の識別情報を消去する新しいイメージングシステムを設計した。 正確なDRに必要な本態性疾患の特徴を保ちながら、アイデンティティ情報の回復には不可逆である。
  論文  参考訳（メタデータ） (2024-02-29T01:20:29Z)
• Privacy Protection in MRI Scans Using 3D Masked Autoencoders [2.463789441707266]
  データ匿名化と非識別化は、個人の個人情報のプライバシーと機密性の確保に関係している。 CP-MAE(CP-MAE)を提案する。 私たちの方法では、解像度の高忠実度スキャンを最大2563ドルまで合成することができます。
  論文  参考訳（メタデータ） (2023-10-24T12:25:37Z)
• Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
  顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。 顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
  論文  参考訳（メタデータ） (2023-10-18T14:49:54Z)
• Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
  本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。 具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。 本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
  論文  参考訳（メタデータ） (2023-09-11T09:26:07Z)
• OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
  我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。 本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。 提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
  論文  参考訳（メタデータ） (2022-05-24T11:29:37Z)
• Practical Digital Disguises: Leveraging Face Swaps to Protect Patient Privacy [1.7249222048792818]
  プライバシー保護のための顔交換は、研究の活発な領域として現れている。 本研究の主な貢献は,小児の自閉症症状の標準的な評価ビデオのための,エンドツーエンドの顔交換パイプラインである。
  論文  参考訳（メタデータ） (2022-04-07T16:34:15Z)
• Conditional De-Identification of 3D Magnetic Resonance Images [29.075173293529947]
  本稿では,顔の特徴を除去する代わりに,顔の特徴をモデル化する新しい非識別手法を提案する。 提案手法は,下流の医療分析を損なうことなく,従来の手法よりもはるかにプライバシーを保護できることを実証する。
  論文  参考訳（メタデータ） (2021-10-18T15:19:35Z)
• Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
  敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
  論文  参考訳（メタデータ） (2020-03-15T12:45:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。