使用新的5D超混沌地图和基于深度学习的细分,提高了医疗图像的安全性.
S Subathra1, V Thanikaiselvan2
1School of Electronics Engineering, Vellore Institute of Technology, Vellore, Tamil Nadu, India, 632014.
Scientific reports
|July 2, 2025
概括
这项研究引入了一种新的5D超混沌系统和U-Net架构,用于安全的医疗图像加密,增强患者数据隐私. 该方法确保了强大的安全性,以高加密效率对抗攻击.
科学领域:
- 计算机科学 计算机科学
- 信息安全 信息安全
- 医疗成像医学成像
背景情况:
- 医疗图像加密对于保护敏感患者数据和确保数字医疗保健系统中的隐私至关重要.
- 现有的加密方法可能无法充分解决医疗图像所带来的独特安全挑战.
研究的目的:
- 提出一种新的安全医疗图像加密算法,使用5D超混沌系统和U-Net架构.
- 加强医疗数据的保密性和完整性,以应对各种安全威胁.
主要方法:
- 一个新的5D超混乱系统与定制的U-Net相结合,用于医疗图像细分.
- 图像统计被用作生成随机序列的初始条件.
- 采用了齐克萨克式编码,换,动态DNA翻转和动态DNA XOR扩散阶段.
主要成果:
- 拟议的算法实现了大密钥空间 (2^500) 和高加密效率 (约. 每个图像2.93秒).
- 统计测试 (NIST SP800-22,利亚普诺夫指数,,奇方) 证实了系统的随机性和安全性.
- 高的NPCR (99.61%) 和UACI (33.49%) 值表明强烈的扩散和混.
结论:
- 拟议的医疗图像加密方法为敏感患者数据提供安全可靠的保护.
- 5D超混沌系统和U-Net架构的结合为医疗图像安全提供了强大的解决方案.
