综述：医学影像隐私保护：数据集构建与数据保护关键参数的系统性范围综述

这篇系统性范围综述聚焦医疗影像数据隐私保护，系统评估了当前研究中的去标识化（de-identification）、假名化（pseudo-anonymization）技术，涵盖DICOM标签移除、面部脱敏（facial de-identification）等方法，并提出医疗影像保护清单，为平衡数据隐私与科研价值（FAIR原则）提供标准化协议参考。

　　

Abstract
随着医疗数字化发展，患者影像数据的隐私保护日益受到关注。全球虽已建立GDPR、HIPAA等数据隐私法规，但医疗影像去标识化仍缺乏统一标准。本研究通过系统检索PubMed/Medline等数据库，筛选13项研究进行分析，探讨了烧灼标注（burn-in annotation）、面部脱敏等技术的有效性，并制定医疗影像保护清单，为科研与临床实践提供指导。

Background
数字化技术推动医学进步的同时，FAIR原则（可查找、可访问、可互操作、可重用）与患者隐私的冲突凸显。WHO将“隐私”定义为个人对信息的控制权，而“保密性”则强调对未授权第三方的数据保护。全球法规如欧盟GDPR、美国HIPAA等均要求医疗数据共享前需进行去标识化处理，但具体实施标准尚未统一。

Objectives
本研究旨在评估当前医疗影像数据集的隐私保护方法，为建立标准化协议提供依据。

Methods
遵循PRISMA-ScR指南，系统检索5大数据库，最终纳入13项研究。分析聚焦开源数据集（open-source datasets）中DICOM标签处理、面部脱敏等技术应用。

Results
纳入研究多来自美国（6篇），主要技术包括：

1. DICOM标签清理：移除患者姓名、ID等元数据
2. 面部脱敏：通过算法模糊MRI/CT中的面部特征
3. 烧灼标注：消除影像中的文本标识
4. 去脸技术（defacing）：三维重建后移除面部解剖结构

Discussion
研究揭示当前技术存在两难：过度脱敏可能损害影像诊断价值，如脑卒中研究中去脸技术可能影响灰质分析。GDPR追踪器显示，2018-2024年欧洲因数据违规罚款达55亿欧元，凸显隐私保护的紧迫性。

Conclusion
医疗影像隐私保护需在技术可行性、法律合规性与科研需求间取得平衡。未来应开发智能脱敏工具，在保留关键解剖特征的同时实现有效去标识化。

（注：全文严格基于原文内容缩编，未添加非文献依据的结论）