論文の概要: Conditional De-Identification of 3D Magnetic Resonance Images

• arxiv url: http://arxiv.org/abs/2110.09927v1
• Date: Mon, 18 Oct 2021 15:19:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-21 05:06:25.335448
• Title: Conditional De-Identification of 3D Magnetic Resonance Images
• Title（参考訳）: 3次元磁気共鳴画像の条件分解
• Authors: Lennart Alexander Van der Goten, Tobias Hepp, Zeynep Akata, Kevin Smith
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 29.075173293529947
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Privacy protection of medical image data is challenging. Even if metadata is removed, brain scans are vulnerable to attacks that match renderings of the face to facial image databases. Solutions have been developed to de-identify diagnostic scans by obfuscating or removing parts of the face. However, these solutions either fail to reliably hide the patient's identity or are so aggressive that they impair further analyses. We propose a new class of de-identification techniques that, instead of removing facial features, remodels them. Our solution relies on a conditional multi-scale GAN architecture. It takes a patient's MRI scan as input and generates a 3D volume conditioned on the patient's brain, which is preserved exactly, but where the face has been de-identified through remodeling. We demonstrate that our approach preserves privacy far better than existing techniques, without compromising downstream medical analyses. Analyses were run on the OASIS-3 and ADNI corpora.
• Abstract（参考訳）: 医療画像データのプライバシー保護は困難である。 メタデータが削除されたとしても、顔のレンダリングと顔画像データベースにマッチする攻撃に対して、脳スキャンは脆弱である。 顔の一部の難読化や除去によって、診断スキャンを識別するソリューションが開発されている。 しかし、これらのソリューションは患者の身元を確実に隠すことができず、あるいは攻撃的であるため、さらなる分析を損なう。 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。 我々のソリューションは条件付きマルチスケールGANアーキテクチャに依存しています。 患者のMRIスキャンを入力として、患者の脳に条件付けられた3Dボリュームを生成します。 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。 解析はoasis-3とadni corporaで行われた。

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)
• Fast refacing of MR images with a generative neural network lowers re-identification risk and preserves volumetric consistency [5.040145546652933]
  本稿では,3次元条件生成対向ネットワークに基づく3次元T1重み付きスキャンのための顔の匿名化手法を提案する。 提案手法は顔生成に9秒を要し, 顔の変形後の一貫した後処理結果の復元に適している。
  論文  参考訳（メタデータ） (2023-05-26T13:34:14Z)
• Deep Learning-based Anonymization of Chest Radiographs: A Utility-preserving Measure for Patient Privacy [7.240611820374677]
  従来の匿名化処理は、画像中の個人情報をブラックボックスで隠蔽して行う。 このような単純な測定は、胸部X線写真に生体情報を保持し、リンケージ攻撃によって患者の再同定を可能にする。 胸部X線画像の匿名化を目的とした,初となる深層学習型アプローチ(PriCheXy-Net)を提案する。
  論文  参考訳（メタデータ） (2022-09-23T11:36:32Z)
• FaceMAE: Privacy-Preserving Face Recognition via Masked Autoencoders [81.21440457805932]
  顔のプライバシと認識性能を同時に考慮する新しいフレームワークFaceMAEを提案する。 ランダムにマスクされた顔画像は、FaceMAEの再構築モジュールのトレーニングに使用される。 また、いくつかの公開顔データセット上で十分なプライバシー保護顔認証を行う。
  論文  参考訳（メタデータ） (2022-05-23T07:19:42Z)
• Syfer: Neural Obfuscation for Private Data Release [58.490998583666276]
  我々は、再識別攻撃から保護するための神経難読化法であるSyferを開発した。 Syferはトレーニングされたレイヤをランダムニューラルネットワークで構成し、元のデータをエンコードする。 エンコードされたデータから診断を予測する能力を維持している。
  論文  参考訳（メタデータ） (2022-01-28T20:32:04Z)
• 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)
• Deepfakes for Medical Video De-Identification: Privacy Protection and Diagnostic Information Preservation [12.10092482860325]
  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。
  論文  参考訳（メタデータ） (2020-02-07T22:36:48Z)

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。