本发明涉及医疗人工智能与大数据处理领域,特别涉及一种对医疗影像数据进行脱敏处理的方法及系统。
背景技术:
随着以深度学习框架为内核的新人工智能技术强势崛起,在各个领域都获得了长足的发展与推进,AlphaGo、无人驾驶车、语音识别等人们期盼多年的技术也都在很短的时间内获得了突破。在可见的未来当中,深度学习也将推动医疗行业的大数据分析与人工智能应用的发展。因此深度学习需要大量的医疗影像数据进行模型的训练,并对这些影像数据的脱敏处理的需求就显得极为迫切。
其中,DICOM标准是一个交换和管理医疗影像数据及相关数据的标准,可以用于医用信息系统之间或者医用信息系统与医用设备之间进行通讯。医院的医用设备采集生成的病人检查影像文件为DICOM文件。因为DICOM影像文件本身包含如病人姓名、病人ID、病人住址等信息,直接将该影像文件应用深度学习等人工智能领域,就有可能侵犯病人的隐私权。
因此,就需要研究一种有效且高速便捷的脱敏处理方法能够解决上面提到的两个问题,并能够在快速推进深度学习等人工智能方法在医学领域应用的同时,又保护了患者的隐私的方法。
技术实现要素:
鉴于已有技术存在的缺陷,本发明的目的是要提供一种对医疗影像数据进行脱敏处理的方法,该方法能够保留原始医疗影像数据的格式和图像信息便于后续分析处理,且能够去除文本属性和影像内容中的敏感信息。
为了实现上述目的,本发明的技术方案:
一种对医疗影像数据进行脱敏处理的方法,其特征在于,包括如下步骤:
步骤1、以历史医疗影像数据为训练集,利用深度学习卷积神经网络训练出与所设定的图像敏感区域相对应的图像敏感区域识别模型;
步骤2、读取待处理的医疗影像数据,分析并确定所述医疗影像数据中的文件属性敏感信息以及通过所述图像敏感区域识别模型确定所述医疗影像数据中的图像内容敏感信息即图像敏感区域;
步骤3、对所确定的文件属性敏感信息以及图像内容敏感信息进行脱敏处理并记录存储。
进一步的,所述步骤1包括:
步骤11、自数据库中获取若干个历年DICOM文件数据样本以及与各历年DICOM文件数据样本相对应的影像文件数据;
步骤12、确定图像敏感区域并在所获取的影像文件数据中选择出含有所确定图像敏感区域的影像文件数据;
步骤13、分别对所选择出的影像文件数据进行图像预处理,以提取出影像文件数据中的图像数据;
步骤14、分别对提取出图像数据进行标记并将标记后的图像数据生成能够被扩展的标记文件;
步骤15、以所述标记文件以及所提取出图像数据为模型输入参数,利用深度学习卷积神经网络训练出与所设定的图像敏感区域相对应的图像敏感区域识别模型。
进一步的,所述步骤1还包括:
步骤16、重新自数据库中选择出若干含有所确定图像敏感区域的影像文件数据,并将所述影像文件数据