在IoMT上使用先进的形态元件分析,信息隐藏系统和混合卷积神经网络来保护医疗保健医疗图像信息

科学领域:

• 医疗成像医学成像
• 信息安全 信息安全
• 计算机科学 计算机科学

背景情况:

• 医疗图像包含敏感信息,需要安全传输.
• 图像质量下降和文物妨碍了准确的诊断和数据解释.
• 未经授权访问医疗视觉图像可能会带来严重的隐私风险.

研究的目的:

• 开发一种安全和强大的方法,通过医疗物联网 (IoMT) 传输文本医疗图像.
• 提高医疗保健文本图像的质量,并确保准确的数据检索.
• 为了保护敏感的医疗信息在传输过程中不受未经授权的暴露.

主要方法:

• 用于对比度增强的形态成分分析.
• 隐藏图形用于掩盖封面图像中的文本图像,以确保安全传输.
• 反向隐形图像和加权引导图像过器用于图像恢复和预处理.
• 用于特征提取的Gabor转换和冲动宽度转换.
• 权重天真贝叶斯分类器通过皇帝企优化进行了优化.
• 混合卷积神经网络与Cuckoo搜索优化用于文本检测.

主要成果:

• 拟议的方法在图像质量和数据安全性方面明显优于现有的方法.
• 在接收端实现了从医疗保健图像中精确检索文本内容.
• 性能指标包括准确性,精度,回忆和结构相似性指数证明了有效性.

结论:

• 开发的方法为传输文本医疗图像提供了安全有效的解决方案.
• 虽然通常是成功的,但图像过中的微小工件偶尔会影响字符恢复的准确性.
• 进一步完善图像预处理技术可以减轻轻微的数据损坏问题.