liu.seSearch for publications in DiVA
Endre søk
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
REFACING: RECONSTRUCTING ANONYMIZED FACIAL FEATURES USING GANS
Linköpings universitet, Institutionen för medicinsk teknik, Avdelningen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten.
Linköpings universitet, Institutionen för medicinsk teknik, Avdelningen för medicinsk teknik. Linköpings universitet, Institutionen för datavetenskap, Statistik och maskininlärning. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.
2019 (engelsk)Inngår i: 2019 IEEE 16TH INTERNATIONAL SYMPOSIUM ON BIOMEDICAL IMAGING (ISBI 2019), IEEE , 2019, s. 1104-1108Konferansepaper, Publicerat paper (Fagfellevurdert)
Abstract [en]

Anonymization of medical images is necessary for protecting the identity of the test subjects, and is therefore an essential step in data sharing. However, recent developments in deep learning may raise the bar on the amount of distortion that needs to be applied to guarantee anonymity. To test such possibilities, we have applied the novel CycleGAN unsupervised image-to-image translation framework on sagittal slices of T1 MR images, in order to reconstruct, facial features from anonymized data. We applied the CycleGAN framework on both face-blurred and face-removed images. Our results show that face blurring may not provide adequate protection against malicious attempts at identifying the subjects, while face removal provides more robust anonymization, but is still partially reversible.

sted, utgiver, år, opplag, sider
IEEE , 2019. s. 1104-1108
Serie
IEEE International Symposium on Biomedical Imaging, ISSN 1945-7928, E-ISSN 1945-8452
Emneord [en]
MRI; anonymization; GANs; image-to-image translation
HSV kategori
Identifikatorer
URN: urn:nbn:se:liu:diva-160633DOI: 10.1109/ISBI.2019.8759515ISI: 000485040000234ISBN: 978-1-5386-3641-1 (tryckt)OAI: oai:DiVA.org:liu-160633DiVA, id: diva2:1359959
Konferanse
16th IEEE International Symposium on Biomedical Imaging (ISBI)
Merknad

Funding Agencies|Swedish research councilSwedish Research Council [201704889]; Center for Industrial Information Technology (CENIIT) at Linkoping University; Knut and Alice Wallenberg foundationKnut & Alice Wallenberg Foundation

Tilgjengelig fra: 2019-10-10 Laget: 2019-10-10 Sist oppdatert: 2019-10-10

Open Access i DiVA

fulltext(2649 kB)53 nedlastinger
Filinformasjon
Fil FULLTEXT01.pdfFilstørrelse 2649 kBChecksum SHA-512
690937d6482b22aea83ce11549968c68b097c291b4ff33ee4f7db970d46234b13cbb92e7ebc914c1052da02178be330af3912b50de59f1ee00f4e1036445b16c
Type fulltextMimetype application/pdf

Andre lenker

Forlagets fulltekst

Søk i DiVA

Av forfatter/redaktør
Abramian, DavidEklund, Anders
Av organisasjonen

Søk utenfor DiVA

GoogleGoogle Scholar
Totalt: 53 nedlastinger
Antall nedlastinger er summen av alle nedlastinger av alle fulltekster. Det kan for eksempel være tidligere versjoner som er ikke lenger tilgjengelige

doi
isbn
urn-nbn

Altmetric

doi
isbn
urn-nbn
Totalt: 138 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf