Fast refacing of MR images with a generative neural network lowers re-identification risk and preserves volumetric consistency

要約

オープンデータの台頭により、頭部の日常的な構造磁気共鳴画像法 (MRI) スキャンから得られる 3D レンダリングに基づく個人の識別可能性がプライバシーへの懸念が高まっています。
被写体のプライバシーを保護するために、ぼかし、汚損、または再加工を使用して画像データを匿名化するいくつかのアルゴリズムが開発されています。
顔の構造を完全に削除すると、再識別を最大限に保護できますが、脳形態計測などの後処理ステップに大きな影響を与える可能性があります。
代わりに、個々の顔の構造を汎用テンプレートに置き換えるリフェイシング手法は、元のスキャンの形状や強度分布への影響が少なく、再識別リスクと計算量が高くなりますが、より一貫した後処理結果を提供できます。
複雑。
現在の研究では、3D 条件付き敵対的生成ネットワークに基づいて、改ざんされた 3D T1 強調スキャン用の匿名化された顔を生成する新しい方法を提案します。
提案された匿名化ツールのパフォーマンスを評価するために、2 つの異なるセグメンテーション アルゴリズム (FAST と Morphobox) を使用して、いくつかの既存の改ざんツールと再表示ツールの間で比較研究が行われました。
目的は、(i) 脳形態計測の再現性への影響、(ii) 再識別リスク、(iii) (i) と (ii) のバランス、および (iv) 処理時間を評価することでした。
提案手法は顔の生成に 9 秒かかり、汚損後に一貫した後処理結果を回復するのに適しています。

要約(オリジナル)

With the rise of open data, identifiability of individuals based on 3D renderings obtained from routine structural magnetic resonance imaging (MRI) scans of the head has become a growing privacy concern. To protect subject privacy, several algorithms have been developed to de-identify imaging data using blurring, defacing or refacing. Completely removing facial structures provides the best re-identification protection but can significantly impact post-processing steps, like brain morphometry. As an alternative, refacing methods that replace individual facial structures with generic templates have a lower effect on the geometry and intensity distribution of original scans, and are able to provide more consistent post-processing results by the price of higher re-identification risk and computational complexity. In the current study, we propose a novel method for anonymised face generation for defaced 3D T1-weighted scans based on a 3D conditional generative adversarial network. To evaluate the performance of the proposed de-identification tool, a comparative study was conducted between several existing defacing and refacing tools, with two different segmentation algorithms (FAST and Morphobox). The aim was to evaluate (i) impact on brain morphometry reproducibility, (ii) re-identification risk, (iii) balance between (i) and (ii), and (iv) the processing time. The proposed method takes 9 seconds for face generation and is suitable for recovering consistent post-processing results after defacing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google