REFACING: RECONSTRUCTING ANONYMIZED FACIAL FEATURES USING GANS

Abramian, David,1992-Linköpings universitet,Avdelningen för medicinsk teknik,Tekniska fakulteten (författare)

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
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.

Eklund, AndersLinköpings universitet,Avdelningen för medicinsk teknik,Statistik och maskininlärning,Tekniska fakulteten,Centrum för medicinsk bildvetenskap och visualisering, CMIV(Swepub:liu)andek67 (författare)
Linköpings universitetAvdelningen för medicinsk teknik (creator_code:org_t)

Ingår i:2019 IEEE 16TH INTERNATIONAL SYMPOSIUM ON BIOMEDICAL IMAGING (ISBI 2019): IEEE, s. 1104-11089781538636411

Om ämnet

NATURVETENSKAP: NATURVETENSKAP; och Data och informa ...; och Datorseende och ...

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.