Analysis of Privacy Risks Stemming from Sharing Whole Slide Images

Bc. Tomáš Bíl

Master's thesis

Abstract:

S rychlým rozvojem metod strojového učení jsou tyto metody často používány k analýze biologiského materiálu. Kvůli tomu, že lidská biologická data mohou být považována za citlivá z pohledu ochrany soukromí, vznikají podmínky, za kterých je možné sdílet tato data. Whole slide images vznikají naskenováním vzorku do snímku s vysokým rozlišením. Tato práce analyzuje možná rizika spojení whole slides images a pacientů v patologickém výzkumu a odhalila několik problémů se sdílením tohoty druhu biologických dat. Systém pro hodnocení rizik založený na podobnosti snímků byl navržen a implementován. Experimentovalo se na snímcích vzniklých přidáním šumu a upravením jasu, snímcích naskenovaných na různých skenerech, bezprostředně po sobě jdoucích snímcích a snímcích, které bezprostředně po sobě jdoucí nejsou. U všech těchto typů dat, kromě posledního, byly zjištěny potenciální rizika pro pacienty. Dále se experimentovalo s množstvím pacientů a množstvím snímků pacienta. Tyto experimenty odhalily menší rizika při větším množství pacientů a větší rizika při větším množství snímků pacienta.

Abstract:

With the massive development of machine learning, it is often used to analyse biological material. Because of considering human biological data sensitive from a privacy protection perspective creates conditions under which it is possible to share biological data. Whole slide images are created by scanning a microscope slide into a high-resolution digital image. The thesis analyses the possible risks of matching whole slide images to patients in pathology research. This work shows several possible problems with sharing this type of biological data. The risk evaluation system based on image similarity was designed and implemented. Experiments on slides created by augmentation, slides created by different scanners, consecutive slides and non-consecutive slides were performed. All of these types of data showed potential to be privacy risks to the contributing data subjects except non-consecutive slides. Other experiments are done with a number of patients and a number of slides of patients. It revealed that a higher number of patients means lower privacy risk originating from linking WSIs and that a higher number of slides per patient means higher privacy risk.

Keywords

Whole Slide Images, Anonymity, Machine Learning, Neural Networks, Image processing, Image Similarity

Language used: English

Date on which the thesis was submitted / produced: 14. 12. 2021

Thesis defence

• Date of defence: 1. 2. 2022
• Supervisor: doc. RNDr. Petr Holub, Ph.D.
• Reader: Dr. Heimo Müller

Masaryk University

Faculty of Informatics

Master programme / field:
Artificial intelligence and data processing / Machine learning and artificial intelligence