医疗影像数据去标识化：保障患者隐私的全方位解决方案

这篇综述介绍了一款开源工具，旨在解决医疗影像数据（如DICOM、NIfTI、WSI等格式）的去标识化（de-identification）难题。通过整合元数据匿名化、颅骨剥离（skull-stripping）、面部去除（defacing）及文本清除技术，该工具在保持与现有算法（如Synthstrip、HD-BET）相近效果的同时，将计算速度提升高达265倍，显著优化了临床与研究场景下的数据合规性（如GDPR/HIPAA）与实用性。

　　

引言

真实世界医疗数据的研究价值远高于人工生成数据，但其包含的敏感信息（如PHI/PII）需严格保护。医疗影像（如MRI、CT）涉及多种存储格式（DICOM、NIfTI、Siemens twix等），而现有工具往往仅针对单一格式或任务，导致流程繁琐。本文提出的工具通过统一管道解决这一问题，兼顾效率与合规性。

先前工作

早期工具如Freesurfer的mrideface或pydicom库功能局限，且耗时（如pydeface需233秒/体积）。WSI（全切片图像）去标识化工具更稀缺，尤其缺乏对DICOM-WSI的支持。

材料与方法

数据类型：覆盖DICOM（临床主流）、NIfTI（研究常用）、twix（西门子原始数据）等。
技术框架：

• 元数据匿名化：遵循DICOM PS3.15标准，提供11种预设配置文件。
• 颅骨剥离与面部去除：基于3D MedNext模型，训练数据来自NFBS（125例T1加权扫描）、CC-359（354例多厂商数据）等公开数据集，采用DICE损失函数与GPU加速，耗时仅0.77秒/体积。
• 文本清除：通过Tesseract OCR分阶段检测图像边框文本，辅以白矩形干扰策略，超声图像去标识成功率达83.59%。
• WSI处理：清除标签图像像素阵列及元数据。

结果

• 效率：颅骨剥离速度较Synthstrip快20倍（0.77秒 vs 15.34秒），面部去除较pydeface快260倍（0.88秒 vs 233.57秒）。
• 效果：颅骨剥离DICE分数与SOA算法相当（如Synthstrip），但婴儿扫描存在残留颅骨；面部去除后80.62%图像无法被面部识别模型检测。
• 兼容性：支持多模态（T1、MRA、PD）及婴儿数据，但婴儿颅骨处理仍有改进空间。

讨论

工具优势在于整合性与速度，但存在局限：

1. 文本清除可能误删有效信息；
2. WSI目前仅支持DICOM格式；
3. 未预处理可能牺牲少量精度。未来可引入Donut等先进OCR模型。

结论

该工具通过一站式解决多格式医疗影像的去标识化需求，显著提升效率（如twix数据头部双重清理），为GDPR/HIPAA合规研究提供实用方案。开源地址与Docker容器进一步降低了使用门槛。

（注：全文数据与结论均源自原文实验，未扩展非原文内容。）