Pour la plupart des projets de recherche, il est important d’anonymiser les données issues de sujets humains : pas de noms, dates de naissance, adresses dans les noms de fichiers ou métadonnées. Mais ce n’est pas suffisant car les données anatomiques, reconstruites en surface avec la peau permette d’identifier le sujet. Il faut donc « defacer » ces images anatomiques, c’est à dire flouter ou supprimer les voxels du visage, tout en préservant les voxels du cerveau qui serviront à l’analyse des données. Ce defacing est d’ailleurs imposé par certaines plateforme de partage de données telles que OpenNeuro.
Il existe plusieurs solutions logicielles pour faire ce defacing de façon automatique. Voici quelques illustrations en images:
| Original | pydeface | mri_deface | quickshear | deedeface |
|---|---|---|---|---|
 |  |  |  |  |
 |  |  |  |  |
Un exemple d’implémentation est possible grâce à la BIDSApp Bidsonym.
Le centre IRM a testé les différents logiciels de defacing disponibles dans cette BIDSApp, à savoir:
– pydeface ( https://github.com/poldracklab/pydeface )
– mri_deface ( https://surfer.nmr.mgh.harvard.edu/fswiki/mri_deface )
– quickshear ( https://www.usenix.org/legacy/event/healthsec11/tech/slides/schimke.pdf )
– deepdefacer ( https://github.com/AKhazane/DeepDeface )
– mridefacer ( https://github.com/mih/mridefacer )
Ces tests ont été menés en utilisant une image singularity de bidsonym installée sur le mesocentre.
Les images acquises pour un projet (T1w @ 0.8mm iso acquises sur l’IRM 3T du Centre IRM ) ont servi pour ce test (N=40).
Exemple de mesures qualité observées (calculées par MRIQC):
Il s’agit des mesures de contraste-à-bruit et signal-à-bruit.
A première vue tout va bien, les mesures semblent relativement homogènes entre les images originales non délacés et les images défacées par les différents logiciels.
Cependant, une mesure semble louche:
Définition: RPVE: Calcule l’erreur résiduelle de volumétrie partielle de chaque classe de tissu : Les valeurs les plus faibles sont les meilleures.
Qui est cet intrus? En regardant en détail quel sujet a une telle différence avec l’image originale on s’aperçoit que les mesures RPVE calculées sur le sujet sub-19 et défacées avec le logiciel deepdefacer sont très différentes de l’image originale.
En affichant l’image en question, voici ce qu’on observe:
 |  |
En effet, il y a eu un problème ! Deepdefacer est rapide mais pas toujours robuste !
Moralité : vérifier toujours les données à chaque étape de traitement …