論文の概要: Selective Encryption using Segmentation Mask with Chaotic Henon Map for Multidimensional Medical Images
- arxiv url: http://arxiv.org/abs/2403.04781v1
- Date: Sat, 2 Mar 2024 11:20:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 06:29:47.017221
- Title: Selective Encryption using Segmentation Mask with Chaotic Henon Map for Multidimensional Medical Images
- Title（参考訳）: 多次元医用画像に対するカオスヘノンマップを用いたセグメンテーションマスクによる選択的暗号化
- Authors: S Arut Prakash, Aditya Ganesh Kumar, Prabhu Shankar K. C., Lithicka Anandavel, Aditya Lakshmi Narayanan,
- Abstract要約: この方式は医療画像の保存とセキュリティの分野で革新的だ。
カオスなHenonマップのような強力な暗号化アルゴリズムを使って、画像の重要部分を暗号化することで、セキュリティをそのままに保つことができます。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A user-centric design and resource optimization should be at the center of any technology or innovation. The user-centric perspective gives the developer the opportunity to develop with task-based optimization. The user in the medical image field is a medical professional who analyzes the medical images and gives their diagnosis results to the patient. This scheme, having the medical professional user's perspective, innovates in the area of Medical Image storage and security. The architecture is designed with three main segments, namely: Segmentation, Storage, and Retrieval. This architecture was designed owing to the fact that the number of retrieval operations done by medical professionals was toweringly higher when compared to the storage operations done for some handful number of times for a particular medical image. This gives room for our innovation to segment out the medically indispensable part of the medical image, encrypt it, and store it. By encrypting the vital parts of the image using a strong encryption algorithm like the chaotic Henon map, we are able to keep the security intact. Now retrieving the medical image demands only the computationally less stressing decryption of the segmented region of interest. The decryption of the segmented region of interest results in the full recovery of the medical image which can be viewed on demand by the medical professionals for various diagnosis purposes. In this scheme, we were able to achieve a retrieval speed improvement of around 47% when compared to a full image encryption of brain medical CT images.
- Abstract（参考訳）: ユーザ中心の設計とリソースの最適化は、あらゆる技術やイノベーションの中心にあるべきです。
ユーザ中心の視点は、開発者がタスクベースの最適化で開発する機会を与えます。
医用画像領域のユーザは、医用画像を分析して診断結果を患者に提供する医療専門家である。
このスキームは、医療専門家の視点で、医用画像ストレージとセキュリティの分野で革新をもたらす。
アーキテクチャは、Segmentation、Storage、Retrievalの3つの主要なセグメントで設計されている。
このアーキテクチャは、医療従事者が行う検索操作の数が、特定の医用画像に対してわずか数回行うストレージ操作と比較して非常に高いため、設計されている。
これにより、医用画像の医療的に欠かせない部分を解読し、暗号化し、保存する技術革新の余地が得られます。
カオスなHenonマップのような強力な暗号化アルゴリズムを使って、画像の重要部分を暗号化することで、セキュリティをそのままに保つことができます。
現在、医療画像を取得するには、関心のあるセグメント化された領域の、計算的にストレスの少ない復号化しか必要としない。
セグメント化された領域の復号化は、様々な診断目的のために医療専門家の要求に応じて見ることができる医療画像の完全回復をもたらす。
本手法では,脳内CT画像の完全な画像暗号化と比較して,検索速度が約47%向上した。
関連論文リスト
- Autoregressive Sequence Modeling for 3D Medical Image Representation [48.706230961589924]
本稿では, 自己回帰シーケンス事前学習フレームワークを用いて, 3次元医用画像表現を学習するための先駆的手法を提案する。
我々は,空間的,コントラスト的,意味的相関に基づく様々な3次元医用画像にアプローチし,トークンシーケンス内の相互接続された視覚トークンとして扱う。
論文 参考訳（メタデータ） (2024-09-13T10:19:10Z) - QMedShield: A Novel Quantum Chaos-based Image Encryption Scheme for Secure Medical Image Storage in the Cloud [0.0]
サードパーティのクラウドサービスに医療画像を保存することで、プライバシとセキュリティの懸念が高まる。
本稿では,医用画像に対する新しい量子カオスベースの暗号化方式を提案する。
提案手法は複数の統計的尺度を用いて評価され、より多くの攻撃に対して検証されている。
論文 参考訳（メタデータ） (2024-05-15T08:56:16Z) - Disruptive Autoencoders: Leveraging Low-level features for 3D Medical
Image Pre-training [51.16994853817024]
本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。
ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。
提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-07-31T17:59:42Z) - A hybrid approach for improving U-Net variants in medical image
segmentation [0.0]
医学的イメージを様々なセグメントや興味のある領域に分割する技術は、医学的イメージセグメンテーションとして知られている。
生成されたセグメント画像は、診断、手術計画、治療評価など、さまざまな用途に利用することができる。
本研究の目的は,深層的に分離可能な畳み込みを用いたネットワークパラメータ要求の低減である。
論文 参考訳（メタデータ） (2023-07-31T07:43:45Z) - Implicit Anatomical Rendering for Medical Image Segmentation with
Stochastic Experts [11.007092387379078]
医用画像セグメンテーションの学習を支援するために,解剖学的レベルで設計された汎用的な暗黙的ニューラルネットワークレンダリングフレームワークであるMORSEを提案する。
医用画像のセグメンテーションをエンドツーエンドのレンダリング問題として定式化する。
実験の結果,MORSEは異なる医療セグメントのバックボーンでうまく機能することが示された。
論文 参考訳（メタデータ） (2023-04-06T16:44:03Z) - Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。
事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。
実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文 参考訳（メタデータ） (2022-09-19T09:43:19Z) - U-Net and its variants for Medical Image Segmentation : A short review [0.0]
本論文は,U-Netとその変種を用いた医用画像のセグメンテーションの簡単なレビューである。
また,医療画像のセグメンテーションの進展を鳥の目で観察する。
論文 参考訳（メタデータ） (2022-04-17T15:26:51Z) - Leveraging Human Selective Attention for Medical Image Analysis with
Limited Training Data [72.1187887376849]
選択的な注意機構は、注意散らしの存在を無視することで、認知システムがタスク関連視覚的手がかりに焦点を合わせるのに役立つ。
本稿では,医療画像解析タスクにおいて,小さなトレーニングデータを用いたガベージを利用したフレームワークを提案する。
本手法は腫瘍の3次元分割と2次元胸部X線分類において優れた性能を示す。
論文 参考訳（メタデータ） (2021-12-02T07:55:25Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z) - Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of
Geometry and Segmentation of Annotations [70.0118756144807]
この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。
VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。
対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
論文 参考訳（メタデータ） (2020-05-08T02:16:17Z) - DeepEDN: A Deep Learning-based Image Encryption and Decryption Network
for Internet of Medical Things [11.684981995633304]
Internet of Medical Things (IoMT)は多くの医療画像機器を医療情報ネットワークに接続することができる。
DeepEDNは、医療画像の暗号化と復号化のプロセスを満たすために提案されている。
提案手法は高いレベルのセキュリティを実現し,高い効率性を実現する。
論文 参考訳（メタデータ） (2020-04-12T01:42:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。