論文の概要: Medical Manifestation-Aware De-Identification

• arxiv url: http://arxiv.org/abs/2412.10804v1
• Date: Sat, 14 Dec 2024 12:09:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 14:00:55.378173
• Title: Medical Manifestation-Aware De-Identification
• Title（参考訳）: 医療手技と診断
• Authors: Yuan Tian, Shuo Wang, Guangtao Zhai,
• Abstract要約: 私たちは4万枚以上の写真リアリスティックな患者の顔からなるMeMaをリリースします。 MeMaは患者の本当のプライバシーを侵害することを避け、豊かで確実な医学的症状を確実にする。 粗いラベルときめ細かいラベルでMeMaに注釈を付けるために専門医を募集する。
• 参考スコア（独自算出の注目度）: 45.48447211223584
• License:
• Abstract: Face de-identification (DeID) has been widely studied for common scenes, but remains under-researched for medical scenes, mostly due to the lack of large-scale patient face datasets. In this paper, we release MeMa, consisting of over 40,000 photo-realistic patient faces. MeMa is re-generated from massive real patient photos. By carefully modulating the generation and data-filtering procedures, MeMa avoids breaching real patient privacy, while ensuring rich and plausible medical manifestations. We recruit expert clinicians to annotate MeMa with both coarse- and fine-grained labels, building the first medical-scene DeID benchmark. Additionally, we propose a baseline approach for this new medical-aware DeID task, by integrating data-driven medical semantic priors into the DeID procedure. Despite its conciseness and simplicity, our approach substantially outperforms previous ones. Dataset is available at https://github.com/tianyuan168326/MeMa-Pytorch.
• Abstract（参考訳）: 顔の特定 (DeID) は一般的な場面で広く研究されているが, 大規模な患者の顔のデータセットが不足しているため, 医療現場ではあまり研究されていない。 本稿では,4万枚以上のフォトリアリスティックな患者の顔からなるMeMaをリリースする。 MeMaは、大量の患者写真から再生される。 生成とデータフィルタリングの手順を慎重に調整することで、MeMaは患者の真のプライバシの侵害を回避し、リッチで確実な医学的症状を確実にする。 私たちは専門医を雇って、粗いラベルときめ細かいラベルでMeMaに注釈をつけることで、最初の医療シーンのDeIDベンチマークを構築します。 さらに,データ駆動型医用セマンティクスをDeID手順に統合することで,この新たな医療対応型DeIDタスクのベースラインアプローチを提案する。 その簡潔さと単純さにもかかわらず、我々のアプローチは以前のものよりも大幅に優れています。 Datasetはhttps://github.com/tianyuan168326/MeMa-Pytorch.comで入手できる。

関連論文リスト

• De-Identification of Medical Imaging Data: A Comprehensive Tool for Ensuring Patient Privacy [4.376648893167674]
  オープンソースツールを使用して、DICOMの磁気共鳴画像、コンピュータ画像、スライド画像全体、および磁気共鳴twixの生データを識別することができる。 複数種類の入力のための精巧な匿名化パイプラインを備えており、画像データの非識別に使用される追加ツールの必要性を低減している。
  論文  参考訳（メタデータ） (2024-10-16T09:31:24Z)
• 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)
• End-to-end autoencoding architecture for the simultaneous generation of medical images and corresponding segmentation masks [3.1133049660590615]
  ハミルトン変分オートエンコーダ(HVAE)に基づくエンドツーエンドアーキテクチャを提案する。 従来の変分オートエンコーダ(VAE)と比較して後部分布近似が向上する。 本手法は, 生成的逆境条件より優れ, 画像品質の向上を示す。
  論文  参考訳（メタデータ） (2023-11-17T11:56:53Z)
• 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)
• MA-SAM: Modality-agnostic SAM Adaptation for 3D Medical Image Segmentation [58.53672866662472]
  我々はMA-SAMと命名されたモダリティに依存しないSAM適応フレームワークを提案する。 本手法は,重量増加のごく一部だけを更新するためのパラメータ効率の高い微調整戦略に根ざしている。 画像エンコーダのトランスバータブロックに一連の3Dアダプタを注入することにより,事前学習した2Dバックボーンが入力データから3次元情報を抽出することができる。
  論文  参考訳（メタデータ） (2023-09-16T02:41:53Z)
• 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)
• Segmenting Medical Instruments in Minimally Invasive Surgeries using AttentionMask [66.63753229115983]
  我々は,オブジェクト提案生成システムであるAttentionMaskに適応し,将来的な提案を選択するための専用の後処理を提案する。 ROBUST-MIS Challenge 2019の結果から,適応型 AttentionMask システムは最先端のパフォーマンスを実現するための強力な基盤であることがわかった。
  論文  参考訳（メタデータ） (2022-03-21T21:37:56Z)
• 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)
• 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。