北京师范大学认知神经科学与学习国家重点实验室左西年研究组与太原理工大学计算机系李海芳教授研究组在Nature数据期刊Scientific Data在线发表题为《A Chinese multi-modal neuroimaging data release for increasing diversity of human brain mapping》的数据论文，通过中国科学数据银行公开发布了215名18-30岁志愿者的多模态磁共振脑影像数据库，并据此揭示：相比高加索人脑模版，本土化脑模版可有效提高数据共享中的人脸匿名化效果。
近年来，开放式的科学研究和大数据共享已被广大科研人员所认可并成为学术前沿，国际上已经公开的大型脑影像数据库（如人脑连接组计划HCP、青少年脑与认知发展ABCD、 英国生物银行UKB、千人功能连接组计划FCP和国际信度与可重复性联盟CoRR等）已受到了科研人员的广泛关注和大量使用，极大地推动了认知神经科学领域的发展。然而，当前的神经影像大数据共享绝大部分都是以西方高加索人数据为主，尽管目前有包括中国彩巢计划CCNP和中国人脑连接组计划CHCP等在内的中国神经影像数据共享计划，但占比有限。为了丰富中国成年人群的脑影像公开数据资源，左西年研究组通过科学数据银行这一中国自主的数据平台，公开发布名为“我见你脑：Imaging Chinese Young Brains (I See Your Brain，ISYB)”的中国成年人群脑影像数据库（https://doi.org/10.11922/sciencedb.00740）[1]，涵盖结构磁共振影像、功能磁共振影像、弥散张量影像以及动脉自旋标记影像等四种模态数据，并对数据进行了严格的匿名化处理和质量控制，绘制了组水平常用影像指标图谱（如图1）。
图1 “我见你脑”数据库常用指标脑图谱
个人隐私的保护是神经影像数据共享过程中的关键伦理问题。如何将被试隐私信息进行有效匿名化是该研究方向的挑战之一，以高分辨率磁共振结构像数据为例，被试原始数据中所隐含的面部信息能够通过计算进行重建还原，导致个人面部信息的暴露。因此，在数据公开前必须要对原始数据进行匿名化处理，抹除被试的面部信息。理想化的匿名化处理方法应在不干扰后续脑影像数据分析的前提下，尽可能多地将面部隐私信息从影像数据中移除。国际上流行的面部掩膜工具包[2]提供了完善的面部信息匿名化方案，使用基于西方人群的先验头部模版判定数据中的面部位置并进行掩膜处理，在最大限度保留脑组织信息的前提下，完成了被试面部隐私保护。但是，东西方人群在大脑尺寸和形态上的巨大差异性决定了西方人群的头部模版可能对中国人群的神经影像处理造成潜在影响，进而影响面部掩膜处理性能。为此，本研究基于ISYB数据，对比了中国人头部模版（CN200和Chinese2020）与西方成年人大脑模版（MNI152）的在面部匿名化时所表现出的差异，分析流程如图2所示，包括：a) 将ISYB数据集划分为两个部分：89名志愿者数据作为探索数据集（ISYB-1），另外126名志愿者数据作为验证数据集（ISYB-2）；b) 使用上述模版对原始数据分别进行配准并判定面部区域；c) 使用掩膜工具包对b中的结果进行面部匿名化处理；d) 计算基于不同模版去除的面部信息和原始面部信息之间的互信息值并进行统计检验。
图2 对比不同模板对人脸匿名化影响的计算流程
结果显示（图3）：使用中国人和西方人的大脑模版对面部信息进行匿名化具有显著的效果差异，在中国人群数据中，使用种族匹配的头部模版进行面部匿名化会得到所去除的面部信息和原始面部信息之间具有更高的互信息值，说明更多地抹除了个人面部信息，因此面部掩膜结果更准确；同时，分辨率更好的头部模版（CN200）匿名化效果更好；上述结果可以在探索数据集（图3a）、验证数据集（图3b）和总数据集（图3c）中被重复。
图3 神经影像数据匿名化的模版效应
这一数据库的发布不仅丰富了人脑图谱领域的样本多样性，而且所揭示的匿名化模版效应为未来国际化数据共享的隐私保护和数据安全以及科学伦理建设都具有重要参考意义。本论文的第一作者为高鹏（太原理工大学李海芳教授博士生）和董昊铭（北京师范大学左西年研究组助理研究员），通讯作者为李海芳教授和左西年教授，本研究得到了中华人民共和国科学技术部、国家自然科学基金委员会、国家基础学科数据中心、中国科学院、北京市科委、北京师范大学等基金和学术机构的经费支持。
数据论文信息：
https://www.nature.com/articles/s41597-022-01413-3
参考文献：
[1] Gao, P., Dong, H. M., Wang, Y. S., Yu, C. S. & Zuo, X. N. Imaging Chinese Young Brains (I See Your Brain), https://doi.org/10.11922/sciencedb.00740 (2021).
[2] Milchenko, M. & Marcus, D. Obscuring surface anatomy in volumetric imaging data. Neuroinformatics 11, 65-75 (2013).
