基于潜在代码投影与优化的生成式医学图像匿名化
计算机视觉与模式识别
2025-01-17 v1 人工智能
摘要
医学图像匿名化旨在通过移除识别信息来保护患者隐私，同时保留数据实用性以解决下游任务。在本文中，我们以两阶段解决方案解决医学图像匿名化问题：潜在代码投影与优化。在投影阶段，我们设计了一个简洁的编码器将输入图像投影到潜在空间，并提出了一种 co-training 方案来增强投影过程。在优化阶段，我们使用两个针对医学图像设计的深度损失函数来细化潜在代码，以解决身份保护与数据实用性之间的权衡。通过一系列全面的定性和定量实验，我们在 MIMIC-CXR 胸部 X 光数据集上展示了该方法的有效性，通过生成可作为检测肺部病灶训练集的匿名化合成图像。源代码可在 https://github.com/Huiyu-Li/GMIA 获取。
引用
@article{arxiv.2501.09114,
title = {Generative Medical Image Anonymization Based on Latent Code Projection and Optimization},
author = {Huiyu Li and Nicholas Ayache and Hervé Delingette},
journal= {arXiv preprint arXiv:2501.09114},
year = {2025}
}
备注
Conference