論文の概要: ROFI: A Deep Learning-Based Ophthalmic Sign-Preserving and Reversible Patient Face Anonymizer

• arxiv url: http://arxiv.org/abs/2510.11073v1
• Date: Mon, 13 Oct 2025 07:12:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.237878
• Title: ROFI: A Deep Learning-Based Ophthalmic Sign-Preserving and Reversible Patient Face Anonymizer
• Title（参考訳）: ROFI: 深層学習による眼球運動情報保存・可逆型顔匿名化システム
• Authors: Yuan Tian, Min Zhou, Yitong Chen, Fang Li, Lingzi Qi, Shuo Wang, Xieyang Xu, Yu Yu, Shiqiong Xu, Chaoyu Lei, Yankai Jiang, Rongzhao Zhang, Jia Tan, Li Wu, Hong Chen, Xiaowei Liu, Wei Lu, Lin Li, Huifang Zhou, Xuefei Song, Guangtao Zhai, Xianqun Fan,
• Abstract要約: 本稿では,眼科の深層学習に基づくプライバシー保護フレームワークROFIを紹介する。 弱い教師付き学習と神経同一性翻訳を用いて、ROFIは疾患の特徴を保持しながら顔の特徴を匿名化する。 診断感度は100%で、コホートが3つある11の眼疾患に対して高い合意(Kappa > 0.90$)を達成している。
• 参考スコア（独自算出の注目度）: 49.864445622745386
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Patient face images provide a convenient mean for evaluating eye diseases, while also raising privacy concerns. Here, we introduce ROFI, a deep learning-based privacy protection framework for ophthalmology. Using weakly supervised learning and neural identity translation, ROFI anonymizes facial features while retaining disease features (over 98\% accuracy, $\kappa > 0.90$). It achieves 100\% diagnostic sensitivity and high agreement ($\kappa > 0.90$) across eleven eye diseases in three cohorts, anonymizing over 95\% of images. ROFI works with AI systems, maintaining original diagnoses ($\kappa > 0.80$), and supports secure image reversal (over 98\% similarity), enabling audits and long-term care. These results show ROFI's effectiveness of protecting patient privacy in the digital medicine era.
• Abstract（参考訳）: 患者の顔画像は、目の病気を評価するのに便利な手段であり、プライバシーの懸念も高めている。 本稿では,眼科の深層学習に基づくプライバシー保護フレームワークROFIを紹介する。 弱い教師付き学習と神経同一性翻訳を用いて、ROFIは疾患の特徴を保持しながら顔の特徴を匿名化する(98\%以上、$\kappa > 0.90$)。 診断感度は100\%で、画像の95%以上を匿名化して、11の眼疾患の3つのコホートにまたがる高い一致(\kappa > 0.90$)を達成している。 ROFIはAIシステムと連携し、元の診断(\kappa > 0.80$)を維持し、セキュアな画像反転(98\%以上の類似性)をサポートし、監査と長期ケアを可能にする。 これらの結果から,ROFIが患者のプライバシ保護に有効であることが示唆された。

関連論文リスト

• DRetNet: A Novel Deep Learning Framework for Diabetic Retinopathy Diagnosis [8.234135343778993]
  現在のDR検出システムは、画質の悪い画像、解釈可能性の欠如、ドメイン固有の知識の不十分な統合に苦慮している。 3つの革新的なコントリビューションを統合する新しいフレームワークを紹介します。 フレームワークの精度は92.7%、精度は92.5%、リコールは92.6%、F1スコアは92.5%、AUCは97.8%、mAPは0.96、MCCは0.85である。
  論文  参考訳（メタデータ） (2025-09-01T02:27:16Z)
• A Clinician-Friendly Platform for Ophthalmic Image Analysis Without Technical Barriers [51.45596445363302]
  GlobeReadyはクリニックフレンドリーなAIプラットフォームで、再トレーニング、微調整、技術専門知識の必要性なしに、基礎疾患の診断を可能にする。 光コヒーレンス・トモグラフィー(OCT)スキャンを用いて、カラー・ファンドス写真(CPF)を用いた11のファンドス病(93.9-98.5%)と15のファンドス病(87.2-92.7%)の精度を示した。 トレーニングなしのローカル機能拡張を活用することで、GlobeReadyプラットフォームは、センターや人口間のドメインシフトを効果的に軽減する。
  論文  参考訳（メタデータ） (2025-04-22T14:17:22Z)
• Securing Biometric Data: Fully Homomorphic Encryption in Multimodal Iris and Face Recognition [1.1470070927586018]
  本研究は,アイリスと顔特徴ベクトルを融合させる手法について検討し,融合データベースを保護するための堅牢なセキュリティ対策を実装した。 QFIRE-Iデータベースを用いた評価では,高い精度を維持しつつユーザのプライバシーと精度を効果的にバランスさせることが示されている。
  論文  参考訳（メタデータ） (2024-08-26T20:05:48Z)
• 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)
• Unmasking Parkinson's Disease with Smile: An AI-enabled Screening Framework [2.4914378616592505]
  このデータセットは、PDの256人、臨床診断165人、自己申告91人を含む。 参加者はウェブカメラを使って 3つの表情を模倣しました 顔のランドマークは自動的に記録から追跡され、低体温症に関連する特徴を抽出する。 機械学習アルゴリズムはこれらの特徴に基づいて訓練され、PDの有無に関わらず個人を区別する。
  論文  参考訳（メタデータ） (2023-08-03T18:23:37Z)
• Deep learning for identification and face, gender, expression recognition under constraints [1.2647816797166165]
  深層畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、ベール付き顔画像から特徴を抽出するために用いられる。 本研究の目的は, 深層学習に基づく自動計算機システムを用いて, 人物だけでなく, 性別, 年齢, 表情の認識や, 笑顔などの表情の認識を行う能力をテストすることである。
  論文  参考訳（メタデータ） (2021-11-02T22:45:09Z)
• FedFace: Collaborative Learning of Face Recognition Model [66.84737075622421]
  FedFaceは顔認識モデルの協調学習のためのフレームワークである。 各クライアントに格納された顔画像が、他のクライアントや中央ホストと共有されない、正確で汎用的な顔認識モデルを学ぶ。 コードとトレーニング済みモデルは公開される予定です。
  論文  参考訳（メタデータ） (2021-04-07T09:25:32Z)
• 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。