Bölütlenen beyin bölgelerinin tıbbi görüntü steganografi için değerlendirilmesi

Abstract

Tıbbi görüntü steganografisinde, görüntülere veri gizlemenin neden olduğu bozulmanın sonucunda bir hastalığın tanı ve tedavisi etkilenebilir. Bu sebeple, veri görüntülerde elle ya da eşikleme gibi temel tekniklerle belirlenen ilgi olmayan bölgelerde gizlenmektedir ve bu yöntemlerin hiçbiri tümör gibi dokuları bölütlemeyi içermemektedir. Bu çalışma, bir hastalığın tanı ve tedavisinde kullanılan verilerin, bölütleme tabanlı steganografi yöntemi ile görüntüleri bozmadan tek bir ortamda birleştirilerek gizlenmesini amaçlamaktadır. Ayrık dalgacık dönüşümü (ADD) ve k-ortalama kümeleme tabanlı bölütleme yöntemi ile epilepsi hastalarının Manyetik Rezonans (MR) görüntüleri, arka plan, gri madde, beyaz madde ve tümör olarak ayrıştırılmıştır. Gizli mesaj, hasta kişisel bilgilerini, doktor yorumunu, seçilen Elektroansefalogram (EEG) sinyalini ve EEG’ye ait sağlık raporunu içermektedir. Kaotik ve hash fonksiyonlarını kullanan DNA kodlama ile şifrelenen ve ardından sıkıştırılan yüksek kapasiteli mesaj, görüntülerin tümör olmayan piksellerinin en az anlamlı bitlerinde gizlenmiştir. Çalışmada, taşıyıcı ve stego görüntüler arasındaki farklılık, sinyalin gürültü tepe oranı, yapısal benzerlik ölçümü, evrensel kalite indeksi ve korelasyon katsayısı ile tespit edilmiştir. Bu değerler sırasıyla 64,0334 desibel (dB), 0,9979, 0,99701, 0,9993 olarak elde edilmiştir. Analiz sonuçları önerilen yöntemin hastaların yüksek kapasiteli verilerini tek bir dosyada birleştirdiğini ve tıbbi verilerin hem güvenliğini hem de kayıt alanını arttırdığını göstermiştir.

Purpose: This study aims to develop a segmentation-based steganography method to hide the different medical data with the reasonable distortion effects on the images for the follow-up patients. Theory and Methods: In this study, the high capacity hidden data was encrypted by the DNA encoding, and then compressed by lossless compression. The medical images were segmented into background, GM, WM, and tumour by a single level DWT using the db4 filter and the k-means algorithm. The message was concealed in the non-tumour region of the labeled tumor image. Results: The PSNR, SSIM, UQI, and R values measured between the cover and stego images were obtained as 64.0334 decibels (dB), 0.9979, 0.9971, 0.9993, respectively. Conclusion: A comparison of the results indicates that the proposed method combines the high capacity data of the patients in a single file format and increases both the security and recording space of medical data.