Open video data sharing in developmental and behavioural science

要約

ビデオ録画は、研究や臨床診療における乳幼児の行動を記録するために広く使用されている方法です。
機密性の倫理的懸念のため、ビデオデータが共有されることはめったにありませんが、共有される大規模なデータセットの必要性は依然として高まっています。
この要求は、臨床評価を補完するスクリーニングツールなど、データ駆動型のコンピューターベースのアプローチが含まれる場合、さらに不可欠です。
プライバシー保護ルールを遵守しながらデータを共有するには、データの匿名化の取り組みによってデータの有用性が低下するかどうかという重大な問題が発生します。
脳性麻痺などの神経学的欠損を検出するための、確立され、世界的に実践されているビデオベースの診断ツールであるPrechtlの一般的な動きの評価（GMA）を紹介することで、この質問に対処しました。
現在まで、乳児の動きを分析するための、専門家が注釈を付けた共有の大規模データリポジトリは存在しません。
このようなデータセットは、人間の査定者のトレーニングと再調整、およびコンピューターベースのアプローチの開発に大いに役立ちます。
現在の研究では、合計19451の利用可能な一般的な動きのビデオスニペットを備えた将来の縦断乳児コホートからのシーケンスが、人間の臨床的推論とコンピューターベースの分析のためにランダムに選択されました。
顔をぼかすビデオ録画による仮名化が実行可能なアプローチであることを初めて示しました。
ビデオの編集は、人間の評価者またはコンピュータービジョンの方法の分類精度に影響を与えず、動きのビデオデータを共有するための適切で適用しやすいソリューションを示唆しています。
私たちは、動きの評価を超えて、科学および臨床分野のビデオデータを匿名化するための効率的でプライバシールールに準拠したアプローチへのさらなる調査を求めています。
これらのアプローチにより、スタンドアロンのビデオデータセットを大規模なデータプールに共有およびマージして、科学と公衆衛生を向上させることができます。

要約(オリジナル)

Video recording is a widely used method for documenting infant and child behaviours in research and clinical practice. Video data has rarely been shared due to ethical concerns of confidentiality, although the need of shared large-scaled datasets remains increasing. This demand is even more imperative when data-driven computer-based approaches are involved, such as screening tools to complement clinical assessments. To share data while abiding by privacy protection rules, a critical question arises whether efforts at data de-identification reduce data utility? We addressed this question by showcasing the Prechtl’s general movements assessment (GMA), an established and globally practised video-based diagnostic tool in early infancy for detecting neurological deficits, such as cerebral palsy. To date, no shared expert-annotated large data repositories for infant movement analyses exist. Such datasets would massively benefit training and recalibration of human assessors and the development of computer-based approaches. In the current study, sequences from a prospective longitudinal infant cohort with a total of 19451 available general movements video snippets were randomly selected for human clinical reasoning and computer-based analysis. We demonstrated for the first time that pseudonymisation by face-blurring video recordings is a viable approach. The video redaction did not affect classification accuracy for either human assessors or computer vision methods, suggesting an adequate and easy-to-apply solution for sharing movement video data. We call for further explorations into efficient and privacy rule-conforming approaches for deidentifying video data in scientific and clinical fields beyond movement assessments. These approaches shall enable sharing and merging stand-alone video datasets into large data pools to advance science and public health.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google