一种面向眼前节多光谱图像的加密特征传输与智能识别方法
本发明涉及医学图像识别,尤其涉及一种面向眼前节多光谱图像的加密特征传输与智能识别方法。
背景技术:
1、随着多光谱眼前节成像技术的普及,眼科医疗机构能够通过前节彩色成像、前节近红外成像和裂隙灯成像等多种模态获取患者眼部的高分辨率影像数据。这些多光谱影像包含了丰富的诊断信息,如虹膜纹理、前房角结构、晶状体混浊形态等,对色素块、假性囊膜剥脱的剥脱物、囊肿和结节等眼部异常区域的检测和分析具有重要价值。
2、在实际应用中,患者常常需要在不同医疗机构之间进行转诊或远程会诊。例如,基层医院采集患者的多光谱眼部影像后,需要将影像数据传输至上级医院的专家进行诊断分析。然而现有的数据传输和诊断方式存在以下问题:
3、一是隐私泄露风险。患者眼部影像数据包含个人生物识别特征(如虹膜唯一纹理),在传输和存储过程中可能被未授权方访问,导致患者隐私信息暴露。
4、二是传统加密方法无法与智能识别流程兼容。现有方案通常先对图像进行加密传输,接收端解密后再进行智能分析。这种方式无法满足"数据可用不可见"的隐私保护需求。
5、三是现有方案缺乏对加密特征访问使用的细粒度控制能力。传统的加密传输方案一旦完成解密,接收方即可无限制地使用原始数据,无法实现有效期控制、使用次数限制、接收方身份验证等访问策略管理,难以满足医疗数据合规要求。
技术实现思路
1、鉴于上述的分析,本发明实施例旨在提供一种面向眼前节多光谱图像的加密特征传输与智能识别方法,用以解决现有跨机构或远程诊断中患者隐私容易泄露的问题。
2、本发明实施例提供了一种面向眼前节多光谱图像的加密特征传输与智能识别方法,包括如下步骤:
3、发送端对获取的待检测眼前节图像进行自适应标准化转换,得到标准图像;
4、发送端利用训练好的编码器和加密层对所述标准图像提取加密特征,并将加密特征结合预构建的访问策略元数据封装为加密元数据包,传输给接收端;
5、接收端验证所述加密元数据包的有效性,验证通过后基于解析出的加密特征,利用训练好的主解码器和形态约束模块提取待检测眼前节图像的智能识别结果。
6、进一步的,所述智能识别结果包括最终分类概率图、眼部异常区域面积占比和眼部异常区域分布图;重建待检测眼前节图像的所述智能识别结果,包括:
7、利用所述主解码器对解析出的加密特征逐步恢复空间分辨率,得到初步异常概率图;
8、利用所述形态约束模将基于训练样本先验生成的动态空间权重图与所述初步异常概率图进行融合,得到先验约束异常概率图,并对先验约束异常概率图进行异常区域识别,得到最终分类概率图;其中,形态约束模块基于训练样本先验生成各异常类别对应的异常发生概率图,结合眼前节图像中各解剖区域不同异常类别对应的权重系数,生成先验模板,将先验模版映射为所述动态空间权重图;
9、基于先验约束异常概率图,计算属于异常类别的像素数占标准图像总像素数的比例,得到所述眼部异常区域面积占比;
10、将先验约束异常概率图中像素值大于预设阈值的像素位置作为前景,其余作为背景,得到所述眼部异常区域分布图。
11、进一步的,对所述标准图像提取加密特征,包括:
12、利用编码器对所述标准图像提取多尺度浅层纹理特征和深层语义特征,经特征拼接将所述多尺度浅层纹理特征和深层语义特征进行融合,输出特征向量;
13、利用加密层将所述特征向量划分为若干空间块,基于预设密钥生成与空间块同数量的可微分的置换矩阵,由各所述置换矩阵对特征向量的各空间块进行加密,得到所述加密特征。
14、进一步的,预构建的访问策略元数据包括加密特征的有效期、使用次数、授权的接收端身份标识;验证所述加密元数据包的有效性,包括:
15、接收端使用自身的私钥解密所述加密元数据包,若所述加密元数据包合法,则向发送端发起验证请求;
16、发送端响应于所述验证请求,进行授权验证、有效期验证和使用次数验证,所有验证均通过,则有效性验证成功,向接收端返回验证通过;其中,
17、授权验证包括:检查接收端的身份标识是否为访问策略元数据中授权的接收端身份标识,若为授权,则验证成功;否则,验证失败;
18、有效期验证包括:检查当前时间是否在加密特征的有效期内,若已超过有效期,则验证失败;否则,验证成功;
19、使用次数验证包括:检查该加密特征的已使用次数,若已达到使用次数上限,则验证失败;否则,验证成功。
20、进一步的,构建包括辅助解密网络、图像重构网络和判别器的辅助分支,结合联合损失进行所述编码器、加密层、主解码器和形态约束模块的多任务联合训练;其中,辅助解密网络作为训练解码器的辅助分支,用于基于加密特征尝试重建原始特征,让解码器忽略加密噪声;图像重构网络作为对抗性安全分支,用于基于加密特征强行恢复原始图像,模拟攻击者行为;判别器用于接收图像重构网络的输出与原始真实图像,判别输入图像是真实原始图像还是重构的伪图像。
21、进一步的,所述联合损失包括分割损失、蒸馏损失、分类损失、隐私保护损失和先验一致性损失;其中,分割损失用于基于最终异常概率图中各像素预测概率值训练分割任务,蒸馏损失用于辅助解密网络约束恢复特征和未加密特征的相似性,分类损失用于训练主解码器与形态约束模块分支输出的异常概率,隐私保护损失用于对抗性安全分支训练,先验一致性损失用于形态约束模块训练。
22、进一步的,先验一致性损失表示为:
23、,
24、其中,为先验一致性损失;为形态约束模块预生成的先验模板中的无效区域掩码;为最终异常概率图;n为无效区域像素总数。
25、进一步的,执行下述步骤,得到所述标准图像:
26、提取所述待检测眼前节图像的瞳孔中心和瞳孔轮廓点集,以所述瞳孔中心和瞳孔轮廓点集对眼前节图像进行旋转,使眼前节图像的瞳孔长轴水平,得到旋转后图像;
27、以旋转后图像的瞳孔中心为原点进行极坐标转换;
28、以极坐标下的旋转后图像为转换前图像,进行自适应标准化转换,求解转换后的标准图像中所有像素点坐标,得到所述标准图像;其中,求解各像素点坐标时,将所述标准图像中瞳孔轮廓建模为预设半径的圆形,各像素点对应标准极角和标准极径,利用反向分区非线性径向映射,计算标准图像中每个像素点在对应的转换前图像中的源极径;基于各像素点对应的源极径和标准极角进行极坐标反变换,得到各像素点在转换前图像中的源坐标;基于各像素点的源坐标在对应的旋转后图像中进行插值,求解各像素点坐标。
29、进一步的,利用反向分区非线性径向映射,计算所述标准图像中每个像素点对应的转换前图像中的源极径,包括:
30、对于所述标准图像中瞳孔轮廓及瞳孔区域内的任一像素点,获取所述像素点对应的标准极角在转换前图像中对应的真实极径,基于所述真实极径和预设半径构建自适应映射因子,基于所述自适应映射因子和所述像素点对应的标准极径,计算瞳孔轮廓及瞳孔区域内的所述像素点对应的转换前图像中的源极径;
31、对于所述标准图像中瞳孔区域外的任一像素,获取所述像素点对应的标准极角在转换前图像中对应的真实极径,基于所述真实极径、预设半径和标准图像中瞳孔中心到图像边界的最大距离进行插值,计算瞳孔区域外的所述像素点对应的转换前图像中的源极径。
32、进一步的,对转换前图像中瞳孔轮廓点集按照极角升序排列,在排序后的轮廓点中找到所述像素点对应的标准极角的两个相邻点进行线性插值,获取所述标准极角在转换前图像中对应的真实极径。
33、与现有技术相比,本发明至少可实现如下有益效果之一:
34、1、本发明提出了面向眼前节多光谱图像的加密特征传输与智能识别方法,发送端的原始多光谱图像始终保留在本地采集设备中,不离开采集域。在特征空间进行加密,传输过程中仅传递加密特征张量,能够在不暴露原始患者图像的前提下,将多光谱眼部影像的辅助诊断关键信息安全传输至接收端,接收端利用解码器从加密特征张量中直接提取诊断结果,既能满足诊断需求,又能最大程度保护患者隐私,实现"原始数据不出域、诊断结果可共享"的隐私保护目标,同时提供细粒度的访问控制能力。
35、2、发送端可为每次传输的加密特征设置独立的访问策略,包括有效期限制(超时自动失效)、使用次数限制(超出次数无法解码)和接收端身份验证(仅授权接收端可正确解码)。访问策略与加密特征深度融合,确保数据使用全程可控。同时,加密特征在特征空间经过密钥混合处理和对抗性隐私保护训练,不包含可识别的视觉信息,即使被截获也无法还原原始图像。
36、3、本发明提出基于瞳孔锚点的多光谱图像自适应标准化方法,以瞳孔中心为锚点,以瞳孔边缘为参考轮廓,通过构建极坐标径向映射场,分区采用不同策略将输入图像自适应映射到标准尺寸图像中,保证映射后所有图像的瞳孔位置和大小一致,解决多光谱图像中因瞳孔形状变化、光照条件差异等因素导致的非线性形变问题。
37、4、眼部异常区域分割模型引入了基于解剖学经验的形态约束模块,该模块利用眼前节组织的生理结构分布特征(如虹膜纹理走向、晶状体位置约束),生成动态空间权重图,强制引导深度学习网络在解剖学禁入区域比如瞳孔光学区中心等位置抑制假阳性响应;结合基于瞳孔锚点的多光谱自适应标准化机制,有效解决了跨设备、跨光谱成像的空间配准难题,实现了色素块、假性囊膜剥脱物等微小异常区域的高精度定位。
38、本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com