医学表现感知的去识别
计算机视觉与模式识别
2024-12-17 v1 人工智能
摘要
面部去识别 (DeID) 在常见场景中已广泛研究，但由于缺乏大规模患者面部数据集，医学场景下仍属少数研究。本文我们发布了 MeMa 数据集，包含超过 40,000 张写实患者面部照片。MeMa 从大量真实患者照片中重新生成，经过严格的生成和数据筛选程序，既能避免泄露真实患者隐私，又能确保丰富且合情合理的医学表现。我们邀请专职医师为 MeMa 标注粗粒度和细粒度标签，构建了首个医学场景去识别基准数据集。此外，我们提出了一种基线方法，用于该新型医学感知去识别任务，通过整合数据驱动的医学语义先验知识于去识别过程中。尽管方法简洁，却显著优于前述方法。数据集已提供至 https://github.com/tianyuan168326/MeMa-Pytorch。
引用
@article{arxiv.2412.10804,
title = {Medical Manifestation-Aware De-Identification},
author = {Yuan Tian and Shuo Wang and Guangtao Zhai},
journal= {arXiv preprint arXiv:2412.10804},
year = {2024}
}
备注
Accepted to AAAI 2025