liu.seSök publikationer i DiVA
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat 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 (Engelska)Ingår i: 2019 IEEE 16TH INTERNATIONAL SYMPOSIUM ON BIOMEDICAL IMAGING (ISBI 2019), IEEE , 2019, s. 1104-1108Konferensbidrag, Publicerat paper (Refereegranskat)
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.

Ort, förlag, år, upplaga, sidor
IEEE , 2019. s. 1104-1108
Serie
IEEE International Symposium on Biomedical Imaging, ISSN 1945-7928, E-ISSN 1945-8452
Nyckelord [en]
MRI; anonymization; GANs; image-to-image translation
Nationell ämneskategori
Datorseende och robotik (autonoma system)
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
Konferens
16th IEEE International Symposium on Biomedical Imaging (ISBI)
Anmärkning

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

Tillgänglig från: 2019-10-10 Skapad: 2019-10-10 Senast uppdaterad: 2019-12-12

Open Access i DiVA

fulltext(2649 kB)54 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 2649 kBChecksumma SHA-512
690937d6482b22aea83ce11549968c68b097c291b4ff33ee4f7db970d46234b13cbb92e7ebc914c1052da02178be330af3912b50de59f1ee00f4e1036445b16c
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Personposter BETA

Abramian, David

Sök vidare i DiVA

Av författaren/redaktören
Abramian, DavidEklund, Anders
Av organisationen
Avdelningen för medicinsk teknikTekniska fakultetenStatistik och maskininlärningCentrum för medicinsk bildvetenskap och visualisering, CMIV
Datorseende och robotik (autonoma system)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 54 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 140 träffar
RefereraExporteraLänk till posten
Permanent länk

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