使用注意力机制融合ResNet模型的混乱医疗图像加密方法
1Information Department, The Second Affiliated Hospital of Shantou University Medical College, Shantou, Guangdong, China.
Frontiers in neuroscience
|July 31, 2023
概括
本研究介绍了AT-ResNet-CM,这是一种新的医疗图像混乱加密方法,可以提高安全性和灵活性. 与ResNet模型融合的注意力机制显著提高了加密的有效性,在AI时代保护了患者数据.
科学领域:
- 医学成像医学成像
- 人工智能的人工智能是人工智能.
- 网络安全 网络安全
背景情况:
- 患者医疗图像隐私是人工智能进步日益关注的问题.
- 传统的医学图像加密方法缺乏灵活性和足够的安全性.
研究的目的:
- 提出一种新的混乱医疗图像加密方法,AT-ResNet-CM.
- 为了提高医疗图像加密的安全性和灵活性.
主要方法:
- 使用ResNet模型进行加密/解密框架,使用剩余结构和跳转连接.
- 采用了物流混乱系统来加密ResNet输出以增强随机性.
- 整合了一个关注机制,专注于感兴趣的地区,改善安全.
主要成果:
- 与其他替代方法相比,AT-ResNet-CM方法显示出更高的加密效率.
- 获得了0.0021的水平相关系数和0.9887.7的信息.
- 注意力机制进一步提高了性能,将相关性降低到0.0010,并将度增加到0.9965.
结论:
- AT-ResNet-CM为医疗图像隐私和安全提供了强大的解决方案.
- 该方法在安全性和灵活性方面超过了传统技术.
- 实验结果验证了它在保护敏感患者数据方面的有效性.
