EchoNet-Synthetic：用于安全医疗数据共享的隐私保护视频生成

为了在不共享敏感患者信息的情况下使医疗数据集可访问，我们引入了一种新颖的端到端方法，用于动态医学影像数据的生成式去标识化。到目前为止，生成方法在保真度、时空一致性和生成长度方面受到限制，无法捕捉数据集分布的完整细节。我们提出了一个模型，旨在以接近实时的效率生成高保真、长且完整的数据样本，并在一个具有挑战性的任务上探索我们的方法：生成超声心动图视频。我们基于扩散模型开发了生成方法，并引入了医学视频数据集匿名化协议。作为示例，我们展示了EchoNet-Synthetic，一个完全合成、符合隐私要求的超声心动图数据集，带有配对的射血分数标签。作为去标识化协议的一部分，我们评估了生成数据集的质量，并建议使用临床下游任务作为衡量标准，除了广泛使用但可能存在偏差的图像质量指标。实验结果表明，EchoNet-Synthetic实现了与实际数据集相当的保真度，有效支持了射血分数回归任务。代码、权重和数据集可在https://github.com/HReynaud/EchoNet-Synthetic获取。