論文の概要: Fast refacing of MR images with a generative neural network lowers
re-identification risk and preserves volumetric consistency
- arxiv url: http://arxiv.org/abs/2305.16922v1
- Date: Fri, 26 May 2023 13:34:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-29 14:44:07.071757
- Title: Fast refacing of MR images with a generative neural network lowers
re-identification risk and preserves volumetric consistency
- Title（参考訳）: 生成型ニューラルネットワークによるmr画像の高速再表示による再同定リスクの低減とボリューム一貫性の維持
- Authors: Nataliia Molchanova, B\'en\'edicte Mar\'echal, Jean-Philippe Thiran,
Tobias Kober, Till Huelnhagen, Jonas Richiardi
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 5.040145546652933
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: With the rise of open data, identifiability of individuals based on 3D
renderings obtained from routine structural magnetic resonance imaging (MRI)
scans of the head has become a growing privacy concern. To protect subject
privacy, several algorithms have been developed to de-identify imaging data
using blurring, defacing or refacing. Completely removing facial structures
provides the best re-identification protection but can significantly impact
post-processing steps, like brain morphometry. As an alternative, refacing
methods that replace individual facial structures with generic templates have a
lower effect on the geometry and intensity distribution of original scans, and
are able to provide more consistent post-processing results by the price of
higher re-identification risk and computational complexity. In the current
study, we propose a novel method for anonymised face generation for defaced 3D
T1-weighted scans based on a 3D conditional generative adversarial network. To
evaluate the performance of the proposed de-identification tool, a comparative
study was conducted between several existing defacing and refacing tools, with
two different segmentation algorithms (FAST and Morphobox). The aim was to
evaluate (i) impact on brain morphometry reproducibility, (ii)
re-identification risk, (iii) balance between (i) and (ii), and (iv) the
processing time. The proposed method takes 9 seconds for face generation and is
suitable for recovering consistent post-processing results after defacing.
- Abstract（参考訳）: オープンデータの増加に伴い,頭部のMRI画像から得られる3Dレンダリングに基づく個体の識別性は,プライバシの懸念が高まっている。
被写体プライバシーを保護するため、ぼやけたり、顔を消したりして画像データを識別するアルゴリズムが開発されている。
顔の構造を完全に取り除くことは、最高の再識別保護を提供するが、脳形態計測のような後処理ステップに大きな影響を及ぼす可能性がある。
代替として、個々の顔構造をジェネリックテンプレートに置き換える再提示法は、元のスキャンの幾何学的および強度分布に低い影響を与え、より高い再識別リスクと複雑性の価格でより一貫性のある後処理結果を提供することができる。
本研究は,3次元条件生成対向ネットワークに基づく3次元T1重み付きスキャンにおける顔の匿名化手法を提案する。
提案する非識別ツールの性能を評価するために,2つの異なるセグメンテーションアルゴリズム(fastとmorphobox)を用いて,既存の複数の非識別ツールと再表示ツールの比較検討を行った。
目的は評価することであった
i)脳形態計測の再現性への影響
(ii)再確認リスク。
(iii)バランス
(i)および
(ii)および(iv)処理時間。
提案手法は, 顔生成に9秒を要し, 剥離後の一貫した後処理結果の復元に適している。
関連論文リスト
- Synthetic Forehead-creases Biometric Generation for Reliable User Verification [6.639785884921617]
本稿では,前頭葉画像データを一意性やリアリズムといった重要な特徴を維持しつつ合成する新しい枠組みを提案する。
Fr'echet Inception Distance (FID) と構造類似度指数測定 (SSIM) を用いて、生成された額部画像の多様性と現実性を評価する。
論文 参考訳（メタデータ） (2024-08-28T10:33:00Z) - AI-based association analysis for medical imaging using latent-space
geometric confounder correction [6.488049546344972]
複数の共同設立者に対する意味的特徴解釈とレジリエンスを強調するAI手法を提案する。
このアプローチのメリットは,2次元合成データセットから共同創設者のいない特徴を抽出すること,出生前アルコール暴露と幼児の顔面形状との関連性を検討すること,の3つのシナリオで検証されている。
その結果, 共同設立者の影響を効果的に低減し, 共同設立団体の設立を減らした。
論文 参考訳（メタデータ） (2023-10-03T16:09:07Z) - Semantic-aware One-shot Face Re-enactment with Dense Correspondence
Estimation [100.60938767993088]
ワンショットの顔の再現は、ソースと駆動する顔の同一性ミスマッチのため、難しい作業である。
本稿では,3次元形態素モデル(3DMM)を明示的な顔のセマンティックな分解とアイデンティティの絡み合いに利用することを提案する。
論文 参考訳（メタデータ） (2022-11-23T03:02:34Z) - NeurAR: Neural Uncertainty for Autonomous 3D Reconstruction [64.36535692191343]
暗黙の神経表現はオフラインの3D再構成において魅力的な結果を示しており、オンラインSLAMシステムの可能性も最近示している。
本論文は,1)新しい表現に基づく視点計画の質を評価するための基準を求めること,2)手作りではなく,異なる場面に一般化可能なデータから基準を学習すること,の2つの課題に対処する。
本手法は, TSDFを用いた変形モデルやビュープランニングなしでの再構成モデルと比較した場合, レンダリングされた画像品質と再構成された3次元モデルの幾何学的品質について, 様々な指標について有意な改善を示す。
論文 参考訳（メタデータ） (2022-07-22T10:05:36Z) - Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。
本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
論文 参考訳（メタデータ） (2020-10-05T14:18:52Z) - Neural Descent for Visual 3D Human Pose and Shape [67.01050349629053]
入力RGB画像から3次元のポーズと形状を復元するディープニューラルネットワーク手法を提案する。
我々は最近導入された表現力のあるボディ統計モデルGHUMに頼っている。
我々の方法論の中心は、HUmanNeural Descent (HUND)と呼ばれるアプローチの学習と最適化である。
論文 参考訳（メタデータ） (2020-08-16T13:38:41Z) - Human Recognition Using Face in Computed Tomography [26.435782518817295]
本稿では、ROI抽出のための3次元顔のランドマークを最初に検出し、自動認識に使用する2次元深度画像を生成する自動処理パイプラインを提案する。
提案手法は,92.53%の1:56同定精度と96.12%の1:1検証精度を達成し,他の競合手法よりも優れていた。
論文 参考訳（メタデータ） (2020-05-28T18:59:59Z) - Deep Face Super-Resolution with Iterative Collaboration between
Attentive Recovery and Landmark Estimation [92.86123832948809]
本稿では,2つの繰り返しネットワーク間の反復的協調による深層面超解像(FSR)手法を提案する。
各繰り返しステップにおいて、リカバリブランチは、ランドマークの事前の知識を利用して、高品質な画像を生成する。
新しい注意融合モジュールはランドマークマップのガイダンスを強化するために設計されている。
論文 参考訳（メタデータ） (2020-03-29T16:04:48Z) - SD-GAN: Structural and Denoising GAN reveals facial parts under
occlusion [7.284661356980246]
咬合状態にある顔の欠損部分を再構成する生成モデルを提案する。
GAN(Generative Adversarial Network)モデルとして,2モーダルな相互排他的学習アルゴリズムを考案した。
提案手法は,顔認識の性能向上においても,競合する手法よりもかなり優れている。
論文 参考訳（メタデータ） (2020-02-19T21:12:49Z) - Joint Deep Learning of Facial Expression Synthesis and Recognition [97.19528464266824]
顔表情の合成と認識を効果的に行うための新しい統合深層学習法を提案する。
提案手法は, 2段階の学習手順を伴い, まず, 表情の異なる顔画像を生成するために, 表情合成生成対向ネットワーク (FESGAN) を事前訓練する。
実画像と合成画像間のデータバイアスの問題を軽減するために,新しい実データ誘導バックプロパゲーション(RDBP)アルゴリズムを用いたクラス内損失を提案する。
論文 参考訳（メタデータ） (2020-02-06T10:56:00Z)
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。