用于医学视频去标识的深度伪造技术：隐私保护与诊断信息保留

由于公开临床数据可能侵犯患者隐私，医学研究的数据共享一直较为困难。传统的面部去标识方法会完全抹除面部信息，导致无法分析面部行为。近期在全身体关键点检测方面的进展同样依赖面部输入来估计身体关键点。在部分医学诊断中，面部与身体关键点均至关重要，且去标识后关键点的不变性具有重要意义。在此，我们提出一种利用深度伪造技术（换脸技术）的解决方案。尽管该换脸方法因侵犯隐私与肖像权而受到批评，但其在医学视频中反而可保护隐私：患者的面部可被替换为合适的目标面孔从而无法被识别。然而，这种换脸去标识方法在多大程度上会影响身体关键点的自动检测，仍是一个开放问题。在本研究中，我们将深度伪造技术应用于帕金森病检查视频以对受试者去标识，并定量表明：换脸作为一种去标识方法是可靠的，且它使关键点几乎保持不变，显著优于传统方法。本研究提出了一种视频去标识与关键点保留的流程，清除了医学数据共享的一些伦理限制。该工作可使开源高质量医学视频数据集更具可行性，并推动造福社会的未来医学研究。