論文の概要: Masking Is Not Enough: Generative Restoration for Multimodal De-Identification in Medical AI

• arxiv url: http://arxiv.org/abs/2608.21133v1
• Date: Fri, 21 Aug 2026 14:08:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.565024
• Title: Masking Is Not Enough: Generative Restoration for Multimodal De-Identification in Medical AI
• Title（参考訳）: マスキングは十分ではない:医療AIにおけるマルチモーダル・デアイデンティフィケーションのための生成的復元
• Abstract要約: 医用画像テキストデータは、可視画像コンテンツと付随するテキストを通して保護された健康情報(PHI)を公開することができる。 我々は医療用画像テキストデータのためのマルチモーダルPHIサニタイズフレームワークであるClinXを紹介する。 医用視覚質問応答 (MedVQA) における ClinX の評価を行い, 画像側, テキスト側, 複合非識別設定における PHI リークと下流ユーティリティを共同で測定した。
• 参考スコア（独自算出の注目度）: 16.063105966676456
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medical image-text data can expose protected health information (PHI) through both visible image content as well as accompanying text, creating a barrier to privacy-preserving medical AI systems. This risk is especially prominent in multimodal systems, where images, questions, reports, and clinical context may enter training, evaluation, or inference pipelines. Existing medical vision-language benchmarks primarily emphasize task utility, while de-identification methods are often evaluated separately from downstream reasoning. We introduce ClinX, an end-to-end multimodal PHI sanitization framework for medical image-text data. ClinX detects visible identifiers with optical character recognition (OCR), constructs binary PHI masks, and applies ClinX-PRISM, a no-skip generative restoration module with privacy-oriented post-processing for burned-in identifier suppression. In parallel, text-side PHI is reduced through progressive de-identification levels: regex masking, context-aware masking, and rewrite-based sanitization. We evaluate ClinX in medical visual question answering (MedVQA), jointly measuring PHI leakage and downstream utility across image-side, text-side, and combined de-identification settings. Results show that OCR-only masking is not sufficient as a standalone solution, and restoration-based sanitization better preserves clinically relevant visual context while sharply reducing recoverable PHI.
• Abstract（参考訳）: 医用画像テキストデータは、可視画像コンテンツと付随するテキストを通じて保護された健康情報(PHI)を公開することができ、プライバシを保存する医療AIシステムにとって障壁となる。 このリスクは、画像、質問、レポート、臨床コンテキストがトレーニング、評価、推論パイプラインに入るマルチモーダルシステムにおいて特に顕著である。 既存の医用ビジョン言語ベンチマークは、主にタスクユーティリティを強調するが、非識別法は下流の推論とは別々に評価されることが多い。 我々は医療用画像テキストデータのためのマルチモーダルPHIサニタイズフレームワークであるClinXを紹介する。 ClinXは光学式文字認識(OCR)で可視な識別子を検出し、バイナリPHIマスクを構築し、ClinX-PRISMを適用する。 並行して、テキストサイドのPHIは、レジェックスマスキング、コンテキスト対応マスキング、リライトベースの衛生化といったプログレッシブな非識別レベルによって減少する。 医用視覚質問応答 (MedVQA) におけるClinXの評価を行い, 画像側, テキスト側, 複合非識別設定におけるPHI漏洩と下流ユーティリティを共同で測定した。 以上の結果から,OCRのみのマスキングはスタンドアローン・ソリューションでは不十分であり,回復性PHIを著明に低下させながら,臨床上関連する視覚的コンテキストを保存しやすくする。

関連論文リスト

• Text Over Image: Auditing Multimodal Robustness in Synthetic Medical Image Detection [38.146353416394234]
  我々は、画像記録インタフェースにおけるマルチモーダルロバスト性の監査として、合成医用画像検出を再構成する。 メタデータのコンテキストだけを変えることで、信頼性の判断を覆すことがわかりました。 そこで本研究では,モデルの再学習を伴わずに,予測時間短縮パイプラインを用いて前兆ショートカットの検出と中和を行う。
  論文  参考訳（メタデータ） (2026-06-24T04:08:41Z)
• From Redaction to Restoration: Deep Learning for Medical Image Anonymization and Reconstruction [0.0]
  本研究は、生臨床画像のボリュームを非同定分析可能なデータセットに変換するためのエンドツーエンドのディープラーニングフレームワークを提案する。 この手法は、まず、焼かれたテキストやメタデータなどの保護された健康情報(PHI)を含む可能性のある領域を検出し、再定義し、次に、生成的なディープラーニングモデルを使用して、その領域を塗り替える。 我々は,残量PHIと再作用の成功を定量化するプライバシ指向メトリクスと,復元されたボリュームの忠実度を評価する画像品質とタスクベースメトリクスの両方を用いて,アプローチを評価する。
  論文  参考訳（メタデータ） (2026-04-13T12:15:52Z)
• BiCLIP: Bidirectional and Consistent Language-Image Processing for Robust Medical Image Segmentation [3.7276397365086233]
  BiCLIPは、医療セグメンテーションの堅牢性を高めるために設計されたフレームワークである。 双方向のマルチモーダル融合機構を備えており、視覚的特徴によってテキスト表現を反復的に洗練することができる。 運動のぼやけや低用量CTノイズなど、臨床的アーティファクトに対する大きな耐性を示す。
  論文  参考訳（メタデータ） (2026-02-25T18:11:47Z)
• Vision Token Masking Alone Cannot Prevent PHI Leakage in Medical Document OCR: A Systematic Evaluation [0.0]
  視覚言語モデル(VLM)は、医療環境における光学的文字認識(OCR)のためにますます多くデプロイされている。 本研究は、DeepSeek-OCRを用いた医療文書OCRのプライバシー保護機構として、推論時視覚トークンマスキングを初めて体系的に評価したものである。
  論文  参考訳（メタデータ） (2025-11-23T03:45:22Z)
• MIRNet: Integrating Constrained Graph-Based Reasoning with Pre-training for Diagnostic Medical Imaging [67.74482877175797]
  MIRNetは、自己教師付き事前学習と制約付きグラフベースの推論を統合する新しいフレームワークである。 TongueAtlas-4Kは,22の診断ラベルを付した4,000枚の画像からなるベンチマークである。
  論文  参考訳（メタデータ） (2025-11-13T06:30:41Z)
• Grounding Language with Vision: A Conditional Mutual Information Calibrated Decoding Strategy for Reducing Hallucinations in LVLMs [51.93737995405164]
  LVLM(Large Vision-Language Models)は幻覚の影響を受けやすいモデルである。 本稿では,条件付きポイントワイド・ミューチュアル・インフォメーション(C-PMI)キャリブレーション・デコーディング・ストラテジーを導入する。 提案手法は,復号効率を保ちながら,LVLMの幻覚を著しく低減することを示す。
  論文  参考訳（メタデータ） (2025-05-26T08:36:10Z)
• Exploring AI-based System Design for Pixel-level Protected Health Information Detection in Medical Images [0.5825410941577593]
  テキスト検出,テキスト抽出,テキスト解析という3つの重要なモジュールからなる,PHI検出のためのAIベースのパイプラインを提案する。 これらの結果から,各モジュールに専用の視覚モデルと言語モデルを用いることで,最適な設定を実現することが示唆された。
  論文  参考訳（メタデータ） (2025-01-16T14:12:33Z)
• FlowSDF: Flow Matching for Medical Image Segmentation Using Distance Transforms [60.195642571004804]
  本稿では,セグメンテーションマスクの暗黙分布を表現するために,画像誘導型条件付きフローマッチングフレームワークであるFlowSDFを紹介する。 本フレームワークは,セグメンテーションマスクの正確なサンプリングと関連する統計指標の計算を可能にする。
  論文  参考訳（メタデータ） (2024-05-28T11:47:12Z)
• MedFLIP: Medical Vision-and-Language Self-supervised Fast Pre-Training with Masked Autoencoder [26.830574964308962]
  本稿では,医療分析のための高速言語画像事前学習手法であるMedFLIPを紹介する。 交差ドメインを用いたゼロショット学習のためのMAEを探索し、限られたデータから学習するモデルの能力を向上する。 最後に,医療画像解析におけるゼロショット性能の向上を言語を用いて検証する。
  論文  参考訳（メタデータ） (2024-03-07T16:11:43Z)
• AMLP:Adaptive Masking Lesion Patches for Self-supervised Medical Image Segmentation [67.97926983664676]
  自己監督型マスク画像モデリングは自然画像に対して有望な結果を示した。 しかし,このような手法を医用画像に直接適用することは依然として困難である。 適応型マスキング病変パッチ(AMLP)の自己管理型医用画像分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-08T13:18:10Z)
• Disruptive Autoencoders: Leveraging Low-level features for 3D Medical Image Pre-training [51.16994853817024]
  本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。 ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。 提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-07-31T17:59:42Z)
• Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
  眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。 CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。 大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
  論文  参考訳（メタデータ） (2022-06-04T13:16:30Z)

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。