用于DICOM医学图像去标识化的深度分类算法

背景：DICOM文件的去标识化是医学图像研究的重要组成部分。出于法律原因，个人身份信息和/或个人健康标识信息需要被隐藏或移除。根据《健康保险可携性与责任法案》及隐私规则，全脸摄影图像和任何可比图像都是直接标识符，被视为受保护的健康信息，也需要进行去标识化。目标：本研究旨在实现一种方法，用于对DICOM文件头中以及烧录在像素数据中的个人身份信息和个人健康标识信息进行去标识化。方法：为了执行去标识化，我们实现了一种基于《健康保险可携性与责任法案》定义的安全港方法的算法。我们的算法使用可定制的输入参数来分类，并可能去标识化单个DICOM标签。结果：最敏感的信息，如姓名、病史、个人数据和机构，均被成功识别。结论：我们开发了一种能够对DICOM文件中存在的信息进行分类的Python算法。通过使用可定制的输入参数所提供的灵活性，允许用户根据具体情况（例如语言）定制整个流程，这使得整个程序在日常使用和研究目的方面都极具前景。我们的代码可在https://github.com/rtdicomexplorer/deep_deidentification获取。