論文の概要: A DICOM Image De-identification Algorithm in the MIDI-B Challenge
- arxiv url: http://arxiv.org/abs/2508.07538v1
- Date: Mon, 11 Aug 2025 01:38:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-12 21:23:28.903354
- Title: A DICOM Image De-identification Algorithm in the MIDI-B Challenge
- Title（参考訳）: MIDI-BチャレンジにおけるDICOM画像識別アルゴリズム
- Authors: Hongzhu Jiang, Sihan Xie, Zhiyu Wan,
- Abstract要約: 医学におけるデジタルイメージングとコミュニケーション (DICOM) フォーマットにおける医用画像の公開共有には, 脱識別が不可欠である。
MIDI-Bチャレンジは、ルールベースのDICOM画像識別アルゴリズムを、臨床用DICOM画像の大規模なデータセットを用いて評価するために編成された。
これらの標準に厳格に準拠したテストフェーズでデータセットを処理するために、ピクセルマスキング、日付シフト、日付ハッシュ、テキスト認識、テキスト置換、テキスト削除など、私たちが適用した非識別方法の詳細を説明します。
- 参考スコア（独自算出の注目度）: 1.1770063763895537
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image de-identification is essential for the public sharing of medical images, particularly in the widely used Digital Imaging and Communications in Medicine (DICOM) format as required by various regulations and standards, including Health Insurance Portability and Accountability Act (HIPAA) privacy rules, the DICOM PS3.15 standard, and best practices recommended by the Cancer Imaging Archive (TCIA). The Medical Image De-Identification Benchmark (MIDI-B) Challenge at the 27th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2024) was organized to evaluate rule-based DICOM image de-identification algorithms with a large dataset of clinical DICOM images. In this report, we explore the critical challenges of de-identifying DICOM images, emphasize the importance of removing personally identifiable information (PII) to protect patient privacy while ensuring the continued utility of medical data for research, diagnostics, and treatment, and provide a comprehensive overview of the standards and regulations that govern this process. Additionally, we detail the de-identification methods we applied - such as pixel masking, date shifting, date hashing, text recognition, text replacement, and text removal - to process datasets during the test phase in strict compliance with these standards. According to the final leaderboard of the MIDI-B challenge, the latest version of our solution algorithm correctly executed 99.92% of the required actions and ranked 2nd out of 10 teams that completed the challenge (from a total of 22 registered teams). Finally, we conducted a thorough analysis of the resulting statistics and discussed the limitations of current approaches and potential avenues for future improvement.
- Abstract（参考訳）: 医用画像の公開共有には画像の識別が不可欠であり、特に医療保険可搬性説明責任法(HIPAA)のプライバシー規則、DICOM PS3.15の規格、がん画像アーカイブ(TCIA)の推奨するベストプラクティスなど、様々な規則や基準によって要求される、広く使用されているデジタル画像通信(DICOM)フォーマットにおいて重要である。
第27回医用画像コンピューティング・コンピュータ支援介入会議(MICCAI 2024)における医療用画像認識ベンチマーク(MIDI-B)チャレンジは、ルールベースのDICOM画像認識アルゴリズムを臨床用DICOM画像の大規模なデータセットを用いて評価するために実施された。
本報告では、DICOM画像の非識別化における重要な課題について検討し、患者プライバシ保護のための個人識別情報(PII)の削除の重要性を強調し、研究・診断・治療における医療データの継続的な有用性を確保し、このプロセスを管理する基準と規制の概観を提供する。
さらに、テストフェーズ中にデータセットを処理するために、ピクセルマスキング、日付シフト、日付ハッシュ、テキスト認識、テキスト置換、テキスト削除などの非識別メソッドを適用しました。
MIDI-Bチャレンジの最終リーダーボードによると、我々のソリューションアルゴリズムの最新バージョンは、必要なアクションの99.92%を正しく実行し、チャレンジを完了した10チーム中2位(22の登録チームから)にランク付けした。
最後に、得られた統計の徹底的な分析を行い、今後の改善に向けた現在のアプローチと潜在的な道の限界について考察した。
関連論文リスト
- Deep classification algorithm for De-identification of DICOM medical images [0.0]
DICOMファイルの同定は、医用画像研究において不可欠な要素である。
名前、歴史、個人データ、機関など、最も賢明な情報が認識された。
論文 参考訳（メタデータ） (2025-08-04T08:21:18Z) - Medical Image De-Identification Resources: Synthetic DICOM Data and Tools for Validation [0.10617782943195009]
患者のプライバシーを確保することは、オープンアクセスデータ共有にとって重要な課題である。
Digital Imaging and Communications in Medicine (DICOM)は、重要な臨床メタデータと広範囲に保護された健康情報(PHI)と個人識別可能な情報の両方を符号化する(PII)。
このギャップに対処するために、合成PHI/PIIを取り入れたオープンアクセス型DICOMデータセットと、画像識別のベンチマークを行うための評価フレームワークを開発した。
論文 参考訳（メタデータ） (2025-08-03T18:48:28Z) - DICOM De-Identification via Hybrid AI and Rule-Based Framework for Scalable, Uncertainty-Aware Redaction [0.0]
本稿では,ルールベースとAI駆動技術を組み合わせたハイブリッド・デアイデンティティ・フレームワークを提案する。
我々のソリューションは、医療データの特定における重要な課題に対処し、研究のための画像データのセキュアで倫理的で信頼できるリリースを支援します。
論文 参考訳（メタデータ） (2025-07-31T17:19:38Z) - Medical Image De-Identification Benchmark Challenge [1.491270549044044]
MIDI-B Challengeの目的は、DICOMイメージデIDツールのベンチマークのための標準化されたプラットフォームを提供することであった。
この課題は、PHI/PIIを挿入した、大規模で多様なマルチセンター、マルチモダリティの実際の未同定放射線画像を用いた。
10チームが挑戦のテストフェーズを完了しました。
論文 参考訳（メタデータ） (2025-07-31T14:47:20Z) - 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) - QUBIQ: Uncertainty Quantification for Biomedical Image Segmentation Challenge [93.61262892578067]
医用画像分割作業の不確実性、特にラター間変動性は重要な課題である。
この可変性は、自動セグメンテーションアルゴリズムの開発と評価に直接影響を及ぼす。
バイオメディカル画像量化チャレンジ(QUBIQ)における不確実性の定量化のベンチマーク結果を報告する。
論文 参考訳（メタデータ） (2024-03-19T17:57:24Z) - BMAD: Benchmarks for Medical Anomaly Detection [51.22159321912891]
異常検出(AD)は、機械学習とコンピュータビジョンの基本的な研究課題である。
医用画像では、ADはまれな疾患や病態を示す可能性のある異常の検出と診断に特に重要である。
医用画像の異常検出方法を評価するための総合評価ベンチマークを導入する。
論文 参考訳（メタデータ） (2023-06-20T20:23:46Z) - FetReg2021: A Challenge on Placental Vessel Segmentation and
Registration in Fetoscopy [52.3219875147181]
2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。
このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。
コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。
7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
論文 参考訳（メタデータ） (2022-06-24T23:44:42Z) - Collaborative Unsupervised Domain Adaptation for Medical Image Diagnosis [102.40869566439514]
我々は、Unsupervised Domain Adaptation (UDA)を通じて、対象タスクにおける学習を支援するために、関連ドメインからの豊富なラベル付きデータを活用しようとしている。
クリーンなラベル付きデータやサンプルを仮定するほとんどのUDAメソッドが等しく転送可能であるのとは異なり、協調的教師なしドメイン適応アルゴリズムを革新的に提案する。
提案手法の一般化性能を理論的に解析し,医用画像と一般画像の両方で実験的に評価する。
論文 参考訳（メタデータ） (2020-07-05T11:49:17Z) - Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。
本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。
結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
論文 参考訳（メタデータ） (2020-03-23T14:35:08Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z)
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。