面向病历图像的隐写系统

电子病历系统中的病历图像是用户的隐私和资产，其包括个人基本信息、过往病情、用药与治疗记录等在内的用户个人信息，因此迫切需要保护这些数据。图像隐写术是一种潜在的解决方案，该技术已经在自然图像中被广泛研究。

【资料图】

但病历图像属于文档图像，故相比于自然图像会受到一些不同类型的攻击和失真。比如，病历图像中的内容物以文字为主，且文字大多以集聚的形式出现，所以易受到裁剪攻击致使隐写失效；现有的图像隐写方案会在病历图像上留下非常明显的水波纹状，使图像质量明显下降。

因此，该研究在StegaStamp的基础上开发了面向病历图像的隐写模型，其部署于电子病历系统后的工作流程如图1所示。

图1. 病历图像隐写系统的工作流

为对抗裁剪攻击，在加密和解密之前，该研究基于图像处理算法实现文本区域的分割，去除非文本区域，保证待隐藏信息能够被隐写进文字区域，其详细实现流程如图2所示。

图2. 文本区域分割与水印区域定位

考虑到病历图像在网络传输以及用户编辑时可能发生的图像失真，该研究设计了失真网络在训练时模拟这些可能发生的失真（图3），从而使得所训练的隐写网络对这些失真具有鲁棒性。

图3. 失真网络流程

StegaStamp对病历图像隐写之后会留下非常明显的水波纹纹理，这种失真在对比度较高的文档图像上尤其明显。为了抑制这种失真，该研究引入特征相似度度量指标（Feature Similarity Index Measure, FISM）作为神经网络中损失函数的一部分，明显提高了隐写后图像的质量（图4）。

图4. 引入FSIM后对图像质量改善的定性分析

实验结果表明，从解码精度和图像质量的角度来看，所设计的失真网络和引入FISM 的损失函数项能较好地适用病历图像隐写任务，其详细的统计分析结果见表1。

未来，该面向病历图像的隐写网络可被应用于电子病历系统中，进而实现电子病历系统中数据安全与数字资产版权保护功能。

表1 模型定量评估结果

论文信息

该研究工作已被Computers in Biology and Medicine录用。华东师范大学硕士毕业生华淳钧与上海交通大学医学院附属第九人民医院吴越医生为该论文的共同一作。其余作者分别为华东师范大学胡孟晗副教授、时义桥硕士生，上海交通大学翟广涛教授、解蓉副教授，加拿大多伦多都会大学 Xiao-Ping Zhang 教授。

Chunjun Hua#, Yue Wu#, Yiqiao Shi, Menghan Hu*, Rong Xie, Guangtao Zhai, Xiao-Ping Zhang, Steganography for medical record image, Computers in Biology and Medicine, Volume 165, October 2023, 107344.（点击下方阅读原文查看论文全文）

供稿：华淳钧，华东师范大学通信与电子工程学院

标签：