保留鼻窦解剖结构的头颈部CT面部去标识化技术及自动化流程开发

为解决面部识别技术对重建CT扫描的隐私泄露风险，来自新墨西哥州的研究团队开发了一种保留鼻窦、鼻甲等耳鼻喉关键解剖结构的面部去标识化方法，并提出基于分割传播和nnU-Net的自动化流程。实验显示，手动去标识匹配率为32.5%-45.0%，而nnU-Net自动化方案的Dice系数达0.860±0.029，mHD仅1.55±0.71 mm，在保护隐私的同时为临床研究提供了解剖学完整性保障。

　　

当计算机断层扫描(CT)遇上人脸识别技术，患者的隐私保护亮起红灯。传统去标识化方法往往"误伤"鼻窦(sinuses)、鼻甲(turbinates)这些耳鼻喉科医生关注的解剖结构。科研人员从新墨西哥州死亡影像数据库中选取20例成人头部CT，在3D Slicer软件中玩起了"种子生长游戏"——先标记面部皮肤区域，再双向扩张形成6毫米厚的"面具"。这套手动操作被升级为两种自动化方案：其一是让模板CT像橡皮泥般变形匹配新扫描的分割传播技术，其二是采用深度学习明星模型nnU-Net。

实验结果令人振奋：手动组的去标识效果在三种评估方式下分别取得45.0%、37.5%和32.5%的匹配率，而nnU-Net自动化方案以0.860±0.029的Dice系数和1.55±0.71毫米的改良豪斯多夫距离(mHD)完胜分割传播技术。有趣的是，自动化处理的隐私保护效果(30.0%-42.5%)与人工操作旗鼓相当。这项研究如同给CT影像戴上了智能"面纱"，既挡住了人脸识别算法的窥探，又为鼻窦区域的临床研究留了扇"观察窗"。不过研究者坦言，还需要用真人照片对照验证，才能确认这套"数字易容术"的真实功力。