プライバシーネット：医療画像のアイデンティティ溶剤セグメンテーションのための敵対的アプローチ

このペーパーでは、多室中心の医療画像分析のコンテキストで、クライアント/サーバーのプライバシーを提供するネットワークを紹介します。私たちのアプローチは、ターゲットタスクのために十分な情報を保存しながら、患者のアイデンティティを難読化するための画像をエンコードする敵対的な学習に基づいています。私たちの新しいアーキテクチャは、3つのコンポーネントで構成されています。1）入力医療画像からアイデンティティ固有の機能を削除するエンコーダネットワーク、2）エンコードされた画像からサブジェクトを識別しようとする識別子ネットワーク、3）分析する医療画像分析ネットワークエンコードされた画像の内容（私たちの場合のセグメンテーション）。エンコーダは、差別装置を同時にだまし、医療分析ネットワークを最適化することにより、ターゲットタスクの必需品を維持しながら、プライバシー固有の機能を削除することを学びます。私たちのアプローチは、大規模なパーキンソン進行マーカーイニシアチブ（PPMI）データセットから脳MRIをセグメント化する問題について説明しています。PPMIからの縦断的データを使用して、判別器が非常に正確なセグメンテーション結果を可能にしながら、入力画像を大きく歪めることを学習することを示します。また、私たちの結果は、PPMIデータセットでトレーニングされたエンコーダーを、再訓練を必要とせずに他のデータセットのセグメント化に使用できることを示しています。このコードは、https：//github.com/bachkimn/privacy-net-an-an-adrarial-approach-foridentity-obfuscated-segame-of-medicalimagesで利用可能になります。

This paper presents a client/server privacy-preserving network in the context of multicentric medical image analysis. Our approach is based on adversarial learning which encodes images to obfuscate the patient identity while preserving enough information for a target task. Our novel architecture is composed of three components: 1) an encoder network which removes identity-specific features from input medical images, 2) a discriminator network that attempts to identify the subject from the encoded images, 3) a medical image analysis network which analyzes the content of the encoded images (segmentation in our case). By simultaneously fooling the discriminator and optimizing the medical analysis network, the encoder learns to remove privacy-specific features while keeping those essentials for the target task. Our approach is illustrated on the problem of segmenting brain MRI from the large-scale Parkinson Progression Marker Initiative (PPMI) dataset. Using longitudinal data from PPMI, we show that the discriminator learns to heavily distort input images while allowing for highly accurate segmentation results. Our results also demonstrate that an encoder trained on the PPMI dataset can be used for segmenting other datasets, without the need for retraining. The code is made available at: https://github.com/bachkimn/Privacy-Net-An-Adversarial-Approach-forIdentity-Obfuscated-Segmentation-of-MedicalImages.