حفاظت از حریم خصوصی بیمار با استفاده از “ماسک دیجیتال”

یادگیری عمیق ویژگی ها را از قسمت های مختلف صورت استخراج می کند، در حالی که بازسازی سه بعدی به طور خودکار شکل و حرکت صورت، پلک ها و کره چشم را بر اساس ویژگی های استخراج شده دیجیتالی می کند. تبدیل ویدیوهای نهایی به ویدیوهای اصلی بسیار دشوار است. زیرا بیشتر اطلاعات لازم از آن حذف شده است.

در مقایسه با روش‌های سنتی که برای شناسایی بیمارانی که شامل برش تصویر هستند، استفاده می‌شود، خطر شناسایی بیماران با ماسک دیجیتال به طور قابل‌توجهی کمتر بود.

پروفسور هائوتین لین از دانشگاه سان یات سن می گوید: “در طول همه گیری کووید-19، ما مجبور بودیم از طریق تلفن یا کنفرانس ویدئویی به مشاوره متوسل شویم. مراقبت از راه دور برای بیماری های چشمی مستلزم به اشتراک گذاری مقدار زیادی از اطلاعات دیجیتالی صورت است که بیماران می خواهند بدانند که اطلاعات بالقوه حساس و حریم خصوصی آنها محافظت خواهد شد.

این تصاویر از چهره ها می تواند در شناسایی علائم بیماری مفید باشد. به عنوان مثال، ویژگی هایی مانند چین و چروک های عمیق پیشانی و چروک های اطراف چشم به طور قابل توجهی با بیماری عروق کرونر قلب مرتبط است، در حالی که تغییرات غیرعادی در حرکات چشم ممکن است نشان دهنده عملکرد ضعیف بینایی و مشکلات رشد شناختی بینایی باشد. با این حال، تصاویر صورت سایر اطلاعات بیومتریک از جمله نژاد، جنسیت، سن و خلق و خوی بیمار را نیز ثبت می کنند.

با افزایش دیجیتالی شدن سوابق پزشکی، خطر نقض حریم خصوصی وجود دارد. در حالی که بیشتر داده‌های بیمار را می‌توان ناشناس کرد، ناشناس کردن داده‌های چهره با حفظ اطلاعات ضروری دشوارتر است. روش‌های مرسوم، از جمله محو کردن و برش مناطق قابل شناسایی، می‌تواند منجر به از دست رفتن اطلاعات مهم مرتبط با بیماری شود.

به گزارش ICTNN و به نقل از ScienceDaily، در مطالعه‌ای که اخیراً در مجله Nature Medicine منتشر شده است، تیمی به رهبری دانشمندان دانشگاه کمبریج و دانشگاه سان یات سن در گوانگژو چین، از الگوریتم‌های بازسازی سه بعدی و یادگیری عمیق برای حذف ویژگی‌های قابل شناسایی از تصاویر استفاده کردند. ، در حالی که ویژگی های لازم برای تشخیص بیماری حفظ شد.

ICTNN