Cross-Dataset Linkage of Brain MRI using Image Similarity Measures
本研究证明，利用简单的图像相似度度量方法，可以可靠地在不同数据集中重新识别去颅后的脑部磁共振成像扫描，从而揭示出对当前关于数据匿名化的监管假设构成挑战的重大隐私风险。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
你大脑扫描中的隐形指纹
想象一下，你拥有一张非常详细的大脑照片，但有人小心翼翼地剪掉了你的面部照片以及周围的头骨，只留下了大脑组织本身。你可能会想：“太好了！没有我的脸或头骨，没人能认出我是谁。”
这篇论文却说：别高兴得太早。
研究人员发现，即使去除了面部和头骨，你的大脑组织仍然保留着独特的“指纹”。就像没有两个人的指纹完全相同一样，也没有两个人的大脑形状和纹理模式完全一致。研究表明，如果你拥有同一个人在不同时间、不同机器甚至不同医院拍摄的两张大脑扫描图，你可以使用简单的计算机数学方法，以近乎完美的准确度将它们匹配起来。
以下是他们如何做到的，分解为简单的步骤：
1. “清理”（标准化）
把大脑扫描想象成用不同相机拍摄的照片。一台可能是高端单反相机，另一台可能是手机相机，而且拍摄时的光线也可能不同。如果你尝试直接比较它们，它们看起来差异太大。
研究人员使用了一种标准的“清理”流程（称为标准化），使所有扫描图看起来都像是在同一台相机、同一光照条件下拍摄的。他们调整了大脑的位置，并校正了亮度和对比度，从而使图像处于公平的比较基础上。
2. “并排”检查（相似度测量）
一旦图像经过清理，他们就不需要复杂的人工智能或超级计算机来寻找匹配项。他们使用了简单、日常的数学工具（例如逐像素测量两张图片的相似度）。
想象你有一叠 1000 张照片。你从中挑选一张，问道：“这叠照片中哪一张是同一个人？”你将新照片与每一张其他照片进行比较。如果数学得分足够高，那就是匹配；如果得分低，那就是不同的人。
3. “不可能”的匹配
团队在一些非常严峻的场景中测试了这种方法，看看它是否会失效：
- 不同机器：在西门子、通用电气（GE）和飞利浦机器上拍摄的扫描图。
- 不同时间：相隔数年拍摄的扫描图。
- 不同健康状况：来自健康人士的扫描图，以及来自因阿尔茨海默病或记忆丧失导致大脑发生变化的患者的扫描图。
结果：该方法几乎每次都能完美奏效。即使一个人的大脑因痴呆症而萎缩或改变形状，其底层的“指纹”仍然足够强大，能够将旧扫描图与新扫描图关联起来。
这为何重要？（隐私谜题）
目前，当研究医院共享大脑扫描图时，他们会移除姓名和面部以保护隐私。他们假设一旦面部消失，数据就是匿名的。
这篇论文认为，这种假设可能是错误的。如果黑客（或好奇的研究人员）拥有：
- 一个包含“匿名”大脑扫描图（已移除面部）的数据库。
- 另一个包含真实世界数据（如医疗记录或另一项研究）的数据库，其中确实包含姓名。
他们可以利用这种简单的匹配技巧，将匿名的大脑扫描图重新链接回真实人员的姓名。这就像在两个本应分离的拼图碎片之间找到了隐藏的关联。
“法律”启示
作者解释说，根据隐私法（如欧洲的 GDPR），只有当使用“合理可能”的方法不可能重新识别个人时，数据才被视为“匿名”。
由于这项研究表明，使用标准的开源工具（任何人都可以免费下载的工具）即可实现重新识别，因此大脑扫描图可能并不像我们想象的那么匿名。该论文建议：
- 我们需要更加谨慎地处理大脑数据的共享方式。
- 应告知人们，他们的大脑扫描图有可能与他们参与过的其他研究相关联。
- 我们需要更好的规则来保护人们，因为大脑中的“指纹”比名单上的名字更难抹去。
简而言之：你的大脑拥有一个独特的签名，即使去除了面部，它依然存在。简单的数学方法可以在不同医院和不同年份之间找到这一签名，这意味着我们需要重新思考如何保护大脑扫描的隐私。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。