跨年龄跨设备的稳健视网膜生物识别身份验证
原文：Robust retinal biometrics for patient identity verification and retrieval across age and imaging devices
患者身份错误可能危害纵向医疗记录、研究数据库和下游临床决策。我们提出一个视网膜生物识别系统，用于验证声称的身份并从彩色眼底图像中检索正确身份。我们在Rotterdam Study中来自21,851个患者-眼睛身份的227,004张图像上训练了一个512维度量学习编码器，该编码器结合ConvNeXtV2骨干网络以及ArcFace损失和三元组损失，覆盖多种成像设备和长达32.6年的随访。系统在留出的Rotterdam Study数据上评估，并在UK Biobank和Age-Related Eye Disease Study（AREDS）上进行外部评估。在评估之前，我们使用该模型筛查身份不一致问题并人工裁定被标记的图像，发现Rotterdam Study中有0.588%的图像、UK Biobank中有0.259%的图像、AREDS中有0.164%的图像存在错误归属。在去除近似重复图像后的仅回顾性验证中，该系统在Rotterdam Study、UK Biobank和AREDS中的AUROC分别为0.9998、0.9997和0.9998。在仅使用先前采集图像进行身份检索时，在平均规模4436至8510个身份的图库中，Recall@1分别为99.7%、97.2%和97.6%；正确身份至少在98.6%的案例中出现在前五名结果中。性能在不同成像设备和长随访间隔下保持稳健，而较低的图像质量和不一致的视网膜视野是大多数失败的原因。这些发现确立了视网膜解剖结构作为一种持久的生物识别信号的价值，可用于保障纵向影像记录的完整性。作者：Jose D. Vargas-Quiros、Dennis Bontempi、Jeroen Vermeulen、Bart Liefers、Sven Bergmann