医学图像去标识化（MIDI）任务组报告——最佳实践与建议
密码学与安全
2025-03-18 v3 计算机视觉与模式识别
图像与视频处理
摘要
本报告探讨了人类受试者和生物样本医学图像去标识化的技术层面，使得涉及伦理、道德和法律问题的重标识风险被充分降低，从而允许不受限制地公开共享用于任何目的，无论源站点和分发站点的管辖权如何。考虑了所有医学图像，无论采集方式如何，但重点在于那些附带数据元素的图像，特别是以数据元素嵌入格式编码的图像，尤其是医学数字成像和通信（DICOM）。这些图像包括诸如图像分割、参数图和放射治疗（RT）剂量对象等类图像对象。范围还包括相关的非图像对象，如RT结构集、计划和剂量体积直方图、结构化报告和呈现状态。仅考虑公开发布数据的去标识化，不涉及诸如用于人工智能（AI）模型开发的联邦学习等隐私保护替代方法，也不涉及AI模型共享导致的隐私泄露问题。仅探讨公开共享的技术问题。
引用
@article{arxiv.2303.10473,
title = {Report of the Medical Image De-Identification (MIDI) Task Group -- Best Practices and Recommendations},
author = {David A. Clunie and Adam Flanders and Adam Taylor and Brad Erickson and Brian Bialecki and David Brundage and David Gutman and Fred Prior and J Anthony Seibert and John Perry and Judy Wawira Gichoya and Justin Kirby and Katherine Andriole and Luke Geneslaw and Steve Moore and TJ Fitzgerald and Wyatt Tellis and Ying Xiao and Keyvan Farahani},
journal= {arXiv preprint arXiv:2303.10473},
year = {2025}
}
备注
138 pages