論文の概要: Enhanced Secure Transmission of Medical Images through OFDM using Hyperchaotic Systems

• arxiv url: http://arxiv.org/abs/2411.08916v1
• Date: Thu, 31 Oct 2024 18:34:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-17 08:33:19.722393
• Title: Enhanced Secure Transmission of Medical Images through OFDM using Hyperchaotic Systems
• Title（参考訳）: ハイパーカオスシステムを用いたOFDMによる医用画像の安全性向上
• Authors: Nada Bouchekout, Abdelkrim Boukabou, Morad Grimes,
• Abstract要約: 本研究は、OFDM, 6D hyperchaotic system, Fibonacci Q-matrixを併用した安全な医用画像伝送システムを提案する。 この結果から,高品質な医用画像のセキュア伝送におけるOFDMの有効性が示唆された。
• 参考スコア（独自算出の注目度）: 0.4389057752902813
• License:
• Abstract: Orthogonal Frequency Division Multiplexing (OFDM) is a popular modulation technique for transmitting digital data over wireless radio channels, including medical images due to its high transmission capacity, low interference, bandwidth efficiency, and scalability. However, the security of medical images is a major concern, and combining OFDM with encryption techniques such as chaos-based image encryption can enhance security measures. This study proposes a secure medical image transmission system that combines OFDM, 6D hyperchaotic system, and Fibonacci Q-matrix and analyzes its impact on image transmission quality using simulation results obtained through MATLAB. The study examines the Q-PSK constellation diagram, fast Fourier transform (IFFT) signal, cyclic prefix (CP) techniques, NIST, signal noise ratio (SNR), and bit error rate (BER). The results provide insights into the effectiveness of OFDM in securely transmitting high-quality medical images.
• Abstract（参考訳）: 直交周波数分割多重化(英: Orthogonal Frequency Division Multiplexing, OFDM)は、高伝送容量、低干渉、帯域幅効率、拡張性などの医療画像を含む、無線無線回線上でデジタルデータを伝送するための一般的な変調技術である。 しかし、医療画像のセキュリティは大きな問題であり、OFDMとカオスベースの画像暗号化などの暗号化技術を組み合わせることでセキュリティ対策が強化される。 本研究では,OFDM,6Dハイパーカオスシステム,Fibonacci Q-matrixを組み合わせたセキュアな医用画像伝送システムを提案する。 本研究では,Q-PSK星座図,高速フーリエ変換(IFFT)信号,サイクリックプレフィックス(CP)技術,NIST,信号雑音比(SNR),ビット誤り率(BER)について検討した。 この結果から,高品質な医用画像のセキュア伝送におけるOFDMの有効性が示唆された。

関連論文リスト

• PHOCUS: Physics-Based Deconvolution for Ultrasound Resolution Enhancement [36.20701982473809]
  超音波イメージングシステムのインパルス機能はポイントスプレッド機能(PSF)と呼ばれ、画像形成過程における反射体の空間分布と結びついている。 我々は、より一般的なBモード画像を直接扱う、モデル付きPSFを用いた物理ベースのデコンボリューションプロセスを導入する。 Inlicit Neural Representations (INR) を利用することで、空間位置からそれぞれのエコー原性値への連続的なマッピングを学習し、離散化された画像空間を効果的に補償する。
  論文  参考訳（メタデータ） (2024-08-07T09:52:30Z)
• SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion Classification Using 3D Multi-Phase Imaging [59.78761085714715]
  本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。 提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。 科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
  論文  参考訳（メタデータ） (2024-02-27T06:32:56Z)
• Real-Time Model-Based Quantitative Ultrasound and Radar [65.268245109828]
  本稿では,波動伝搬の物理モデルに基づくニューラルネットワークを提案し,受信信号と物理特性の関係を定義した。 我々のネットワークは、複雑で現実的なシナリオのために、1秒未満で複数の物理的特性を再構築することができる。
  論文  参考訳（メタデータ） (2024-02-16T09:09:16Z)
• FD-Vision Mamba for Endoscopic Exposure Correction [7.2753996909522956]
  我々は、高品質な画像露光補正を実現する周波数領域ベースネットワークFDVM(FDVM-Net)を設計する。 状態空間シーケンスモデル(SSM)にヒントを得て,畳み込み層の局所的特徴抽出機能を統合するC-SSMブロックを開発した。 劣化した内視鏡像をFDVM-Netで再構成し、高品質なクリア画像を得る。
  論文  参考訳（メタデータ） (2024-02-09T12:54:56Z)
• Ultrasound Image Enhancement using CycleGAN and Perceptual Loss [4.428854369140015]
  本研究は超音波画像,特に携帯型ハンドヘルドデバイスで捉えた画像の高機能化を目的とした高度なフレームワークを導入する。 我々は,5臓器系における超音波画像強調のために,CycleGANモデルを用いた。
  論文  参考訳（メタデータ） (2023-12-18T23:21:00Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• Flow-based Visual Quality Enhancer for Super-resolution Magnetic Resonance Spectroscopic Imaging [13.408365072149795]
  超高解像度MRSIの視覚的品質を向上させるためのフローベースエンハンサーネットワークを提案する。 我々のエンハンサーネットワークは、追加画像モダリティ(MRI)から解剖情報を取り込み、学習可能なベース分布を使用する。 また,視覚的品質調整や不確実性推定も可能である。
  論文  参考訳（メタデータ） (2022-07-20T20:19:44Z)
• Virtual Coil Augmentation Technology for MRI via Deep Learning [14.025480610981507]
  仮想コイルの増加効果を達成するために,人工知能を用いてチャネルを拡大する手法を提案する。 提案手法は,現在の最先端技術よりも画像再構成性能が大幅に向上する。
  論文  参考訳（メタデータ） (2022-01-19T11:33:38Z)
• Deep Learning for Ultrasound Beamforming [120.12255978513912]
  受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。 現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。 ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
  論文  参考訳（メタデータ） (2021-09-23T15:15:21Z)
• Diffusion-Weighted Magnetic Resonance Brain Images Generation with Generative Adversarial Networks and Variational Autoencoders: A Comparison Study [55.78588835407174]
  本研究では,高画質,多彩で現実的な拡散重み付き磁気共鳴画像が深部生成モデルを用いて合成可能であることを示す。 Introspective Variational AutoencoderとStyle-Based GANの2つのネットワークを医療分野におけるデータ拡張の資格として提示する。
  論文  参考訳（メタデータ） (2020-06-24T18:00:01Z)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。