Контроль неизменности медицинских изображений при передаче по каналам связи
Ключевые слова:
цифровой водяной знак, офтальмологический медицинский снимок, точная аутентификация, неизменность, алгоритм вложенияАннотация
Актуальность. Современные методы офтальмологических медицинских исследований, например ультразвуковая биомикроскопия, оптическая когерентная томография, аксиальная магнитно-резонансная томография и т.д., позволяют сохранять результаты, медицинские снимки в электронном виде. Полученные изображения можно хранить и передавать по каналам связи, что позволяет врачам легко обмениваться информацией о пациенте, поскольку в настоящее время все анализы находятся в единой электронной карте пациента, а также проводить междугородние консилиумы. Для точной постановки диагноза необходимо, чтобы офтальмологические медицинские изображения были защищены от изменений, как преднамеренных, так и случайных, при хранении и передаче по каналам связи.
Цель. Исследование возможности использования современных методов цифровых водяных знаков для контроля целостности и неизменности хранящихся и передаваемых офтальмологических медицинских снимков.
Материал и методы. В настоящей статье используются результаты исследований алгоритмов точной аутентификации, проведенных при помощи специально написанного программного обеспечения, которое позволяет вкладывать и извлекать цифровой водяной знак.
Результаты. Исследована возможность использования существующих алгоритмов вложения цифровых водяных знаков в офтальмологические медицинские снимки для контроля отсутствия искажений при их хранении и передаче по каналам связи. Приведен пример точной аутентификации снимка с помощью цифрового водяного знака.
Заключение. В статье рассматриваются возможности использования точной аутентификации офтальмологических медицинских снимков для контроля их неизменности. Современные алгоритмы внедрения цифровых водяных знаков позволяют проводить контроль неизменности офтальмологических медицинских снимков при хранении и передаче по каналам связи.
Библиографические ссылки
1. Антонов И.В., Ядерцова М.А. Анализ структуры файлов медицинских снимков срезов тканей. Вопросы устойчивого развития общества. 2022;7: 771–774. [Antonov IV, Yadertsova MA. Analysis of the structure of medical images files of tissue slices. Voprosy ustoichivogo razvitiya obshchestva. 2022;7: 771–774. (In Russ.)]
2. Захаров А.А., Захарова И.Г., Котельников А.А., Панфиленко Д.В., Решетникова Ю.С. Инфраструктура управления данными электронных историй болезни для создания цифрового фенотипа пациента. Труды Седьмой Всероссийской научной конференции с международным участием. Информационные технологии и системы. 2019: 12–15. [Zakharov AA, Zakharova IG, Kotelnikov AA, Panfilenko DV, Reshetnikova YuS. Data management infrastructure of electronic medical records for creating a digital patient phenotype. Proceedings of the Seventh All-Russian Scientific Conference with international participation. Information technologies and systems. 2019: 12–15. (In Russ.)]
3. Судаков О.В., Алексеев Н.Ю., Гладских Н.А., Богачева Е.В., Летникова Ю.Б. Развитие системы обработки, хранения и обмена диагностическими медицинскими изображениям. Сборник материалов международной научной конференции. 2018: 27–29. [Sudakov OV, Alekseev NYu, Gladkikh NA, Bogacheva EV, Letnikova YuB. Development of the system of processing, storage and exchange of diagnostic medical images. Collection of materials of the international scientific conference. 2018: 27–29. (In Russ.)]
4. Думаев Р.И., Молодяков С.А. Автоматическое обнаружение COVID-19 по рентгеновским снимкам. Современные технологии в теории и практике программирования. Cборник материалов научно-практической конференции. Санкт-Петербург. 2021: 22–24. [Dumaev RI, Molodyakov SA. Automatic detection of COVID-19 by X-ray images. Modern technologies in the theory and practice of programming. Collection of materials of the scientific and practical conference. Saint Petersburg. 2021: 22–24. (In Russ.)]
5. Каталевская Е.А., Каталевский Д.Ю., Тюриков М.И., Велиева И.А., Большунов А.В. Перспективы использования искусственного интеллекта в диагностике и лечении заболеваний сетчатки. РМЖ. Клиническая офтальмология. 2022;22(1): 36–43. [Katalevskaya EA, Katalevsky DYu, Tyurikov MI, Veliyeva IA, Bolshunov AV. Prospects for the use of artificial intelligence in the diagnosis and treatment of retinal diseases. RMJ. Clinical ophthalmology. 2022;22(1): 36–43. (In Russ.)]
6. Серговенцев А.А., Левин В.И., Борисов Д.Н. Современная функциональная диагностика и искусственный интеллект. Военно-медицинский журнал. 2020;341(2): 40–45. [Sergoventsev AA, Levin VI, Borisov DN. Modern functional diagnostics and artificial intelligence. The Military Medical Journal. 2020;341(2): 40–45. (In Russ.)]
7. Мамедов Т.Х., Дзюба Д.В., Наркевич А.Н. Применение сверточных нейронных сетей для распознавания диабетической ретинопатии на цифровых изображениях. Сибирское медицинское обозрение. 2022;1(133). Доступно по: https://cyberleninka.ru/article/n/primenenie-svertochnyh-neyronnyh-setey-dlya-raspoznavaniyadiabeticheskoy-retinopatii-na-tsifrovyh-izobrazheniyah [Ссылка активна на 06.11.2022] [Mammadov TH, Dzyuba DV, Narkevich AN. Application of convolutional neural networks for recognition of diabetic retinopathy in digital images. Siberian Medical Review. 2022;1(133). Available from: https://cyberleninka.ru/article/n/primenenie-svertochnyh-neyronnyhsetey-dlya-raspoznavaniya-diabeticheskoy-retinopatii-na-tsifrovyhizobrazheniyah [Accessed 6th November 2022] (In Russ.)]
8. Коржик В.И., Красов А.В. Цифровая стеганография: учебник. Москва: КноРус; 2023. [Korzhik VI, Krasov AV. Digital steganography: textbook. Moscow: KnoRus; 2023. (In Russ.)]
Опубликован
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
