MIDI-B 挑战中的 DICOM 图像去标识化算法.pdfVIP

MIDI-B挑战中的DICOM图像去标识化算法

111,2

HongzhuJiang,SihanXie,ZhiyuWan

1ShanghaiTechUniversity,Shanghai201210,China

2VanderbiltUniversityMedicalCenter,NashvilleTN37203,USA

Abstract

医学图像去标识化对于公共分享医疗图像是至关重要的，尤其是在广泛使用的医学数字成像和通信（DICOM）格式下，

这一需求由各种法规和标准所要求，包括健康保险流通与责任法案（HIPAA）隐私规则、DICOMPS3.15标准以及癌症

影像档案馆（TCIA）推荐的最佳实践。在第27届医学图像计算与计算机辅助干预国际会议（MICCAI2024）上组织的

医疗图像去标识化基准（MIDI-B）挑战赛，旨在评估基于规则的DICOM图像去标识化算法，并使用大量临床DICOM

图像数据集进行评价。在这份报告中，我们探讨了去标识化DICOM图像的关键挑战，强调去除个人可识别信息（PII）

以保护患者隐私的同时确保医疗数据在研究、诊断和治疗中的持续利用的重要性，并提供了规范这一过程的标准和法

规的全面概述。此外，我们详细介绍了我们在测试阶段严格遵循这些标准所应用的去标识化方法——如像素遮罩、日

本期偏移、日期哈希、文本识别、文本替换和文本删除等，以处理数据集。根据MIDI-B挑战赛最终排名榜，我们的解决

译方案算法最新版本正确执行了99.92%的所需操作，并在完成挑战的10支队伍中排名第2（总共有22支注册队伍）。最

中后，我们对结果统计进行了全面分析，并讨论了当前方法的局限性以及未来改进的潜在途径。

1

Keywords

v

8

去标识化，DICOM，假名化，患者隐私，HIPAA

3

5

Articleinformations

7

0

.©2025H.Jiang,S.XieandZ.Wan.License:CC-BY4.0

8

Correspondingauthor:wanzhy@

0

5

2

:

v

i

1.介绍信息对安全管理和分享医学影像数据至关重要。为了解决

x

r这些问题，医疗图像去识别基准（MIDI-B）挑战赛使用一

a

1.1MIDI-B去标识化组多样化的标准化临床图像和合成标识符(Kushidaetal.,

2012)来评估基于规则的DICOM去识别算法。此次竞赛旨

在数字医疗的时代，医学图像的处理和分析对于诊断、在推进既能保护隐私又能保持数据效用的自动化去识别方

治疗计划制定以及研究至关重要(Aggarwaletal.,2021)。在法，从而支持医学研究数据的安全共享，并促进隐私保护

这个领域的一个关键挑战是医学图像的去标识化(Chevrier技术的创新。

etal.,2019;Mooreetal.,2012)，这涉及移除或模糊个人

识别信息（PII）以保护患者隐私同时保持数据效用。这个1.2去标识化标准

过程对于确保符合诸如通用数据保护条例(GDPR)(Voigt

在MIDI-B挑战赛的背景下，去标识化（deID）指的是遵

andVondemBussche,2017)和健康保险流通与责任法案

守美国HIPAA隐私规则安全港方法、DICOM标准PS3.15

(HIPAA)(Annas,2003)等隐私法规，以及促进医疗数据的

（属性保密配置文件）和TCIA提交概览页面中描述的最佳

责任共享至关重要。医学图像，特别是在广泛使用的医学