基于 3D 掩码自编码器的 MRI 扫描隐私保护
计算机视觉与模式识别
2024-03-19 v3 人工智能
摘要
MRI 扫描提供有价值的医学信息，然而它们也包含需要保护的敏感且可识别个人的信息。虽然 MRI 元数据易于清理，但 MRI 图像数据是一种隐私风险，因为它包含可渲染患者头部高真实感 3D 可视化的信息，使恶意行为者可能通过交叉引用数据库来识别受试者。数据匿名化与去标识化致力于保障个人信息的隐私与机密性。传统的 MRI 去标识化方法从给定扫描中移除隐私敏感部分（如眼睛、鼻子等）。这代价是引入了域偏移，可能扰乱下游分析。在本工作中，我们提出 CP-MAE，一种通过使用掩码自编码器对面部进行重塑（如改变面部）而非移除部分来实现去标识化的模型。CP-MAE 在下游任务性能以及去标识化方面均优于以往所有方法。借助我们的方法，我们能够合成分辨率高达 的高保真扫描——相比之下以往方法为 ——这使得体素数量增加了八倍。
引用
@article{arxiv.2310.15778,
title = {Privacy Protection in MRI Scans Using 3D Masked Autoencoders},
author = {Lennart Alexander Van der Goten and Kevin Smith},
journal= {arXiv preprint arXiv:2310.15778},
year = {2024}
}