传染病与治疗杂志 开放获取

抽象的

云平台医疗数据存储安全与隐私：必要性、工具、算法与诊断

迪皮卡·J   

问题陈述：由于医疗设备的进步和创新，医疗保健环境中每天都会产生大量数据（尤其是 MRI、CT 和 PET 扫描形式的图像）。为了适应这种不断增长的数据量，人们习惯于将这些类型的图像存储在云环境中。将数据存储在云中并没有错，问题在于数据的安全性。然而，医学图像安全是当今 IT 研究领域的一大焦点。本研究的目的是提出一种新颖的安全技术，用于在云中提供医疗数据的安全性和存储。本研究采用了最佳实践方法，将加密算法应用于图像数据。  
方法论和理论方向：本研究重点关注在安全的云计算环境中使用具有高容忍度的扩展之字形图像加密方案进行医学图像处理，该方案对各种攻击具有很高的容忍度。其次，提出了一种模糊卷积神经网络 (FCNN) 算法来对图像进行有效分类。利用 CNN 的各层，解密后的图像可用于对癌症级别进行分类。该分类详细信息和结果将发送给适当的医生和患者，以便进一步护理。 
结果：使用标准脑图像数据集进行实验程序。根据实验结果，所提出的算法优于其他现有算法，可用于有效诊断医学图像。结论和意义：实验阶段主要集中于将物联网和云计算融入医疗保健程序，特别是在脑肿瘤预测方面。收集诊断疾病所需的数据并安全地传输到云端。然后，对于医学图像诊断，提出了一种模糊卷积神经网络算法。所提出的算法将图像分为正常和异常类别，并通过物联网将分析结果发送给医生和医疗保健提供者以进行进一步治疗。结果表明，所提出的算法优于其他现有算法，可用于有效诊断图像。未来可以使用其他深度学习神经网络算法来提高疾病预测准确性，并利用医疗资源有效分析大量医疗数据。