Annonce

Contexte

Dans le domaine médical, l'émergence des méthodes d'apprentissage automatique a ouvert de nouvelles perspectives dans l'utilisation des données. C'est pourquoi, dans la recherche médicale, l'accès à de grandes quantités de données est devenu essentiel.

Il est important de souligner que le stockage, la conservation et l'utilisation de ces données sont soumis à des réglementations strictes en matière de protection des données personnelles et de la vie privée (RGPD et code de la santé publique).

La protection de la vie privée et l'anonymisation des données médicales sensibles ont suscité des travaux de recherche, notamment dans le domaine de l’imagerie. Abramian et Eklund [1] ont utilisé des GANs pour reconstruire les caractéristiques faciales anonymisées, tandis que d'autres chercheurs ont développé différentes approches, telles que l'anonymisation profonde pour les images médicales [2] et la suppression automatique des caractéristiques faciales via la segmentation d'images [3]. Ces études soulignent l'importance accordée à la protection de la vie privée et à l'anonymisation des données médicales sensibles.

Références :

[1] Abramian, D, and Eklund, A. "Refacing: reconstructing anonymized facial features using GANs." 2019 IEEE 16th international symposium on biomedical imaging (ISBI 2019). IEEE, 2019.

[2] Fezai, L, et al. "Deep anonymization of medical imaging." Multimedia Tools and

Applications 82.6 (2023): 9533-9547.

[3] Khazane, A, et al. "DeepDefacer: Automatic Removal of Facial Features via U-Net Image Segmentation." arXiv preprint arXiv:2205.15536 (2022).

Description du stage

Ce stage de 6 mois se déroulera au sein de l’équipe Myriad de Créatis et l’équipe Privatics d’Inria et du laboratoire CITI sur le campus de la Doua dans le cadre du projet FIL RIVIERA https://fil.cnrs.fr/les-projets-2024-2025/

Le travail portera sur l’extraction d’informations pertinentes à partir des images IRM en reconstruisant les profils des patients pour obtenir une photo déduite. Ensuite, nous comparerons cette image avec d' éventuelles photos trouvées sur les réseaux sociaux, en prenant en considération les différences entre les photos d'identité et les images IRM, telles que l'absence de poils dans les images reconstruites et la texture lisse des images IRM.

Les objectifs sont de :

1. Développer des attaques de réidentification à partir d'images d'IRM vers des photos d'identité qui soulignent la vulnérabilité potentielle des données d'IRM.
2. Étudier l'efficacité des méthodes de protection des images d'IRM contre les attaques développées et concevoir des contre-mesures afin d’améliorer la protection.

Mots-clés : imagerie médicale, re-identification, anonymization, vie privée.

Profils des candidat(e)s

• Etudiant(e) en dernière année de Master 2 ou école d’ingénieur,
• Vous avez reçu une solide formation en Deep learning et maitrisez Python ainsi que les outils tels que Tensorflow/Pytorch.
• Des connaissances en imagerie médicale seraient appréciées.
• Un bon niveau en anglais technique.
• Vous êtes intéressé par la recherche scientifique et curieux(se).

Informations générales

• Thème/Domaine : Machine learning, sécurité et privée, données de santé
• Ville : Villeurbanne
• Lien : Créatis et Inria Lyon
• Date de prise de fonction souhaité : 2024-02-01
• Durée de la convention de stage : 6 mois
• Stage avec gratification.
• Encadrement par :

Mohamed Maouche (Privatics) https://mmaouche.github.io/

Antoine Boutet (Privatics) https://sites.google.com/site/antoineboutet/

Carole Frindel (Myriad) https://sites.google.com/view/carole-frindel/

Pour postuler, envoyez vos CV + bulletin de notes de master à l’adresse mohamed.maouche@inria.fr avec comme objet [Stage RIVIERA] Nom Prénom