Δύο Γεωμετρικές Μέθοδοι Αποπροσωποποίησης για Εξετάσεις CBCT (Two Geometry-based Defacing Methods for CBCT)

Τα τελευταία χρόνια, με την εκπαίδευση μοντέλων AI για κατάτμηση (segmentation), σχέδιο θεραπείας εμφυτευμάτων (implant planning), αυτοματοποιημένη διάγνωση (automated diagnostics) κ.α, η ανταλλαγή μεγάλων CBCT datasets γίνεται ολοένα και πιο σημαντική φέρνοντας στο προσκήνιο το ζήτημα της συμμόρφωσης στους κανόνες της προστασίας των ευαίσθητων βιομετρικών προσωπικών δεδομένων(GDPR).

Επειδή η απλή Aνωνυμοποίηση (Ψευδωνυμοποίηση) των απεικονιστικών εξετάσεων δεν παρέχει την απαιτούμενη προστασία, έχουν αναπτυχθεί διάφορες μέθοδοι αφαίρεσης των χαρακτηριστικών του προσώπου (Defacing). Αυτή η διαδικασία σε τρισδιάστατες απεικονίσεις CBCT αποτελεί σημαντικό μέτρο αποπροσωποποίησης που μπορεί να συμβάλει ουσιαστικά στη συμμόρφωση με τον GDPR όταν η εξωτερική μορφολογία του προσώπου μπορεί να οδηγήσει σε ταυτοποίηση.

Σήμερα, υπάρχει μια υστέρηση στην ανάπτυξη αποτελεσματικών αλγορίθμων Defacing στις εξετάσεις CBCT, σε σχέση με την κλασική CT/MSCT και την MRI. Αυτό οφείλεται σε εγγενή προβλήματα στην ποιότητα της εικόνας και στη δομή των ανατομικών περιοχών εφαρμογής της CBCT, ενώ οι τεχνικές μετατροπής σε CT (synthetic CT) συχνά αποτυγχάνουν να δώσουν λύση, καθώς έχουν σχεδιαστεί για διαφορετικό σκοπό.

Το βασικό τεχνικό ερώτημα είναι πώς μπορεί να αφαιρεθεί η αναγνωρίσιμη εξωτερική μορφολογία του προσώπου, διατηρώντας ταυτόχρονα αναλλοίωτη όλη την εσωτερική ανατομική πληροφορία που απαιτείται για εμφυτευματολογικό σχεδιασμό, ανάπτυξη αλγορίθμων AI ή ερευνητική χρήση.

Και ενόσω το ΑΙ Defacing βελτιώνεται, μπορούμε να χρησιμοποιούμε πρακτικές και γρήγορες ημι-αυτόματες (semi-automatic) ή χειροκίνητες (manual) λύσεις με τον ίδιο σκοπό;

Η απάντηση είναι ναι διότι τα περισσότερα λογισμικά επεξεργασίας DICOM/3D διαθέτουν «έξυπνα» γεωμετρικά εργαλεία τα οποία μπορούν να χρησιμοποιηθούν. Στην παρούσα παρουσίαση προτείνονται δύο geometry-based methods αποπροσωποποίησης για CBCT, οι οποίες αξιοποιούν αποκλειστικά γεωμετρικά εργαλεία ανοικτού λογισμικού και δεν απαιτούν αναγνώριση ιστών (tissue classification), κατάτμηση δέρματος (skin segmentation), εξαγωγή βάσει κατωφλίου (threshold-based extraction) ή αλγορίθμους τεχνητής νοημοσύνης.

Α. Ημι-αυτόματη μέθοδος: Αποπροσωποποίηση με καμπύλη (Curve-based Defacing Method)

Περιγραφή Διαδικασίας:

Σχεδίαση ανοικτής καμπύλης στο οβελιαίο επίπεδο του αρχικού όγκου (Original Volume), η οποία καθορίζει το όριο της κοπής για την αφαίρεση των προσθιέστερα κείμενων χαρακτηριστικών (βλέφαρα, μύτη, χείλη), χωρίς να επηρεάζονται οι εσωτερικές δομές των ανατομικών μορίων ενδιαφέροντος (οστά γνάθων, δόντια, βλεννογόνοι, νεύρα),

Με την εφαρμογή του αλγορίθμου, αφαιρούνται οι προσθιέστεροι ιστοί και δημιουργείται ο νέος αποπροσωποποιημένος όγκος (Defaced Volume), ο οποίος μπορεί να χρησιμοποιηθεί άμεσα για σχεδιασμό, ενώ ταυτόχρονα τα DICOM αρχεία του αποθηκεύονται στον δίσκο για ενδεχόμενη τρίτη χρήση.

Περιγραφή αλγορίθμου:

Διαβάζει την ανοικτή καμπύλη (Open Curve).

Μετατρέπει την καμπύλη σε συντεταγμένες RAS.

Για κάθε επίπεδο Ζ βρίσκει το πλησιέστερο σημείο της καμπύλης.

Χρησιμοποιεί την καμπύλη ως δυναμικό όριο.

Επαναπροσδιορίζει όλα τα voxels που βρίσκονται πρόσθια της καμπύλης στην τιμή του background (αέρα).

Σύνοψη:

Εισαγωγή εξέτασης CBCT.

Σχεδίαση ανοικτής καμπύλης στο οβελιαίο επίπεδο.

Προβολή της καμπύλης σε όλη την εξέταση.

Αφαίρεση των voxels έμπροσθεν της καμπύλης.

Διατήρηση εσωτερικής ανατομίας.

Εξαγωγή αποπροσωποποιημένου DICOM dataset.

Βασική αρχή λειτουργίας:

Η ανοικτή καμπύλη δεν αποτελεί απλώς μία spline σχεδίασης. Ορίζει μία δυναμική τρισδιάστατη επιφάνεια αποκοπής (dynamic curved clipping surface), η οποία χρησιμοποιείται ως καθαρά γεωμετρικό όριο μεταξύ των διατηρούμενων και των αφαιρούμενων voxels.

Β. Χειροκίνητη μέθοδος: Αποπροσωποποίηση με κέλυφος (Shell-based Defacing Method)

Περιγραφή Διαδικασίας:

Δημιουργία νέου segment και χρησιμοποιώντας το εργαλείο Surface Cut, οριοθέτηση της κεφαλής του ασθενούς με points στο εγκάρσιο, το στεφανιαίο και το οβελιαίο επίπεδο με αποτέλεσμα ένα άμορφο και ‘συμπαγές’ segment, που περιέχει όλη την ανατομία της CBCT.

Εφαρμογή του εργαλείου Hollow (Outside 3–5 mm) με σκοπό την δημιουργία ενός λεπτού κελύφους. Αν χρειαστεί χρησιμοποίηση και του εργαλείου Margin (Grow 2–3 mm), ώστε να εξασφαλιστεί η κάλυψη όλου του προσώπου.

Εφαρμογή του εργαλείου Mask Volume με αποτέλεσμα την δημιουργία του νέου αποπροσωποποιημένου όγκος (Defaced Volume), ο οποίος παριστά ό,τι απομένει μετά την υπερκάλυψη του αρχικού όγκου (Original Volume) από το κέλυφος.

Τα DICOM αρχεία του Defaced εξάγονται στον δίσκο για ενδεχόμενη τρίτη χρήση.

Σύνοψη:

Import Original CBCT │ Surface Cut │ Closed Segment │ Hollow │ Grow Margin │ Shell │ Mask Volume │ Defaced CBCT │ Export Defaced DICOMs

Βασική αρχή λειτουργίας:

Σε αντίθεση με τις μεθόδους παραμόρφωσης που βασίζονται σε κατώφλι (threshold) ή τεχνητή νοημοσύνη, η προτεινόμενη ροή εργασίας που βασίζεται στο κέλυφος δεν απαιτεί κατάτμηση (segmentation) δέρματος ή ταξινόμηση ιστών. Αντίθετα, βασιζόμενη αποκλειστικά στην γεωμετρική κατασκευή της επιφάνειας, είναι σε μεγάλο βαθμό ανεξάρτητη από μεταλλικά artifacts, επειδή δεν βασίζεται στις τιμές έντασης των voxels.

Η μέθοδος δεν επιχειρεί να εντοπίσει ή να αναγνωρίσει το δέρμα ή τα χαρακτηριστικά του προσώπου. Αντίθετα, δημιουργεί ένα νέο εξωτερικό γεωμετρικό περίβλημα το οποίο υπερκαλύπτει επιλεκτικά την αρχική μορφολογία του προσώπου, χωρίς να τροποποιεί τις εσωτερικές ανατομικές δομές.

Αρχή της Γεωμετρικής Αποπροσωποποίησης (Geometry-based Defacing Principle )

Οι δύο προτεινόμενες μέθοδοι βασίζονται στην ίδια θεμελιώδη αρχή: Δεν επιχειρούν να εντοπίσουν το δέρμα ή τα χαρακτηριστικά του προσώπου. Αντίθετα, μετασχηματίζουν απευθείας την εξωτερική γεωμετρία του όγκου, επιτυγχάνοντας αποπροσωποποίηση χωρίς προηγούμενη κατάτμηση και διατηρώντας αναλλοίωτη την εσωτερική ανατομία.

ΣΥΓΚΡΙΤΙΚΟΣ ΠΙΝΑΚΑΣ

Χαρακτηριστικό Μεθόδου	Μέθοδος Α: Curve-based	Μέθοδος Β: Shell-based
Ημι-αυτόματη	✔	✖
Χειροκίνητη	✖	✔
Χρόνος επεξεργασίας	~1 min	~4 min
Αφαίρεση πρόσθιας επιφάνειας προσώπου	✔	✔
Αντικατάσταση πρόσθιας επιφάνειας προσώπου	✖	✔
Διατήρηση εσωτερικής ανατομίας	✔	✔
Εξάρτηση από κατώφλι (threshold)	✖	✖
Εξάρτηση από τιμές του γκρι	✖	✖
Εξάρτηση από ταξινόμηση ιστών	✖	✖
Εξάρτηση από τεχνητή νοημοσύνη	✖	✖
Εξάρτηση από μεταλλικά artifacts	✖	✖
Ελεύθερο λογισμικό ανοικτού κώδικα	✔	✔

Βασική αρχή	Γεωμετρική αφαίρεση	Γεωμετρική αντικατάσταση

ΒΙΒΛΙΟΓΡΑΦΙΑ

General Data Protection Regulation(GDPR) https://gdpr-info.eu/

Thummerer A, van der Bijl E, Galapon AJ, Kamp F, Savenije M, Muijs C, Aluwini S, Steenbakkers RJHM, Beuel S, Intven MP, Langendijk JA, Both S, Corradini S, Rogowski V, Terpstra M, Wahl N, Kurz C, Landry G, Maspero M. SynthRAD2025 Grand Challenge dataset: Generating synthetic CTs for radiotherapy from head to abdomen. Med Phys. 2025 Jul;52(7):e17981. doi: 10.1002/mp.17981. PMID: 40665582; PMCID: PMC12264395.
https://aapm.onlinelibrary.wiley.com/doi/pdf/10.1002/mp.17981

Lindholz M, Ruppel R, Schulze-Weddige S, Baumgärtner GL, Schobert I, Panten A, Schmidt R, Auer TA, Nawabi J, Haack AM, Stepansky L, Poggi L, Hosch R, Hamm CA, Penzkofer T. Analyzing the TotalSegmentator for facial feature removal in head CT scans. Radiography (Lond). 2025 Jan;31(1):372-378. doi: 10.1016/j.radi.2024.12.018. Epub 2025 Jan 3. PMID: 39754865.

O’Sullivan-Steben K, Galarneau L, Kildea J. Development of a defacing algorithm to protect the privacy of head and neck cancer patients in publicly-accessible radiotherapy datasets. Med Phys. 2025 Dec;52(12):e70160. doi: 10.1002/mp.70160. PMID: 41294282; PMCID: PMC12649283.

Ammar A, Zhu L, Bryan S 4th, Yu NY, Vargas C, Rong Y, Chen Q. Evaluating the impact of different deface algorithms on deep learning segmentation software performance. Front Oncol. 2025 Oct 7;15:1603593. doi: 10.3389/fonc.2025.1603593. PMID: 41127020; PMCID: PMC12537390.

Sadeghi S, Khodaei M, Hempel L, Kirsten T. Quality Assessment of Brain MRI Defacing Using Machine Learning. Stud Health Technol Inform. 2024 Aug 22;316:636-637. doi: 10.3233/SHTI240493. PMID: 39176821.

---

Δημήτρης Τρικεριώτης DMD OMFS