基于深度学习的患者再识别能够利用医学胸部 X 射线数据的生物特征特性
计算机视觉与模式识别
2022-09-05 v4 人工智能
机器学习
图像与视频处理
摘要
随着近年来深度学习技术潜力的崛起与不断增长，公开可用的医学数据集成为实现医学领域可复现诊断算法开发的关键因素。医学数据包含敏感的患者相关信息，因此在发布前通常会通过移除患者标识符（例如患者姓名）进行匿名化。据我们所知，我们首次表明训练良好的深度学习系统能够从胸部 X 射线数据中恢复患者身份。我们使用公开可用的大规模 ChestX-ray14 数据集证明了这一点，该数据集包含来自 30,805 名独特患者的 112,120 张正面胸部 X 射线图像。我们的验证系统能够识别两张正面胸部 X 射线图像是否来自同一人，AUC 为 0.9940，分类准确率为 95.55%。我们进一步强调，即使在初次扫描后十年及以上，所提系统仍能揭示同一人。当采用检索方法时，我们观察到 mAP@R 为 0.9748，precision@1 为 0.9963。此外，在 CheXpert 和 COVID-19 Image Data Collection 等外部数据集上评估我们训练的网络时，我们实现了高达 0.9870 的 AUC 和高达 0.9444 的 precision@1。基于如此高的识别率，潜在攻击者可能泄露患者相关信息，并额外交叉引用图像以获取更多信息。因此，敏感内容落入未授权之手或被违背相关患者意愿传播的风险很大。尤其在 COVID-19 大流行期间，大量胸部 X 射线数据集已发布以推进研究。因此，此类数据可能易受基于深度学习的再识别算法的潜在攻击。
引用
@article{arxiv.2103.08562,
title = {Deep Learning-based Patient Re-identification Is able to Exploit the Biometric Nature of Medical Chest X-ray Data},
author = {Kai Packhäuser and Sebastian Gündel and Nicolas Münster and Christopher Syben and Vincent Christlein and Andreas Maier},
journal= {arXiv preprint arXiv:2103.08562},
year = {2022}
}
备注
Published in Scientific Reports