基于智能优化的三维医学图像可逆水印研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61402296
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    26.0万
  • 负责人：
    雷柏英
  • 依托单位：
    深圳大学
  • 学科分类：
    F0206.信息安全
  • 结题年份：
    2017
  • 批准年份：
    2014
  • 项目状态：
    已结题
  • 起止时间：
    2015-01-01 至2017-12-31

项目摘要

With the fast development of telesurgery and establishment of hospital healthcare information system, the diagnosis and healthy information are easily modified, and thus arouse the content protection issue. Digital watermarking is an effective measure to address this issue. However, watermarking algorithm for medical image especially for 3D medical image is still at an early stage. The biggest challenge lies in: lossless recovery, data originality and integrity. To solve it, this project proposes a new reversible 3D medical image watermarking scheme based on intelligent optimization. Firstly, a reversible 3D medical image watermarking based on self-adaptive machine learning method is proposed to solve the contradictory requirements: robustness, imperceptibility and capacity. Secondly, integration of 3D SIFT and 3D quaternion wavelet transform （QWT） to withstand the geometrical attack. The study of content protection and authentication of 3D medical image by watermarking has very important academic meaning as well as long term economic and social values.
随着远程手术的开展和医院健康信息系统的建立，诊断及健康信息被篡改的安全隐患广泛存在。数字水印技术是解决此问题的有效手段，但是医学图像特别是三维医学图像的水印技术仍处于探索阶段，其挑战主要在于：需无损回复、保留数据原始性和完整性。为解决上述难题，本课题提出基于智能优化的三维医学图像可逆水印的研究。首先，提出一种基于自适应机器学习的三维医学图像可逆水印方法，达到相互矛盾的水印鲁棒性、不可感知性和容量的平衡；其次，结合3D SIFT特征描述和三维四元数小波(QWT)变换技术，提高抗几何攻击能力；再次，提出利用混沌信号和加密算法，增强安全性；最后，提出同步码的设计抵抗同步攻击。本项目对于三维医学图像的内容保护和认证系统的研究具有重要的经济和社会价值。

结项摘要

此项目以解决l医学图像数字水印的版权保护和盗版检问题测为主要目的，实现医学数据水印的嵌入和检测。具体说来，此项目的开展提出了一种基于混沌映射和四元数小波变换（QWT）的图像水印算法，并通过自适应差分进化（ADE）实现水印的智能化。水印预先通过分段线性混沌映射（PWLCM）等进行置乱，以增加安全性，然后通过ADE算法自动优化水印参数（即比例因子），将水印智能地插入到QWT幅度中。实验结果表明，该算法对常见的攻击尤其是几何失真具有高鲁棒性。与其他水印算法的比较结果也证明了该算法的优越性。本项目的贡献主要如下：1）通过QWT的平移不变性和SVD的优点提高几何失真攻击的鲁棒性; 2）嵌入前利用PWLCM加密水印具有高度安全性; 3）通过ADE训练和优化，独特设计的目标函数使得水印的要求达到最佳平衡。本项目对于医学图像的内容保护和认证系统的研究具有重要的经济和社会价值意义。

项目成果

期刊论文数量（22）
专著数量（0）
科研奖励数量（0）
会议论文数量（3）
专利数量（3）
A linear threshold-hurdle model for product adoption prediction incorporating sOcial network effects
结合社交网络效应的产品采用预测的线性阈值障碍模型
  • DOI：
    10.1016/j.ins.2015.02.027
  • 发表时间：
    2015-06
  • 期刊：
    Information Sciences
  • 影响因子：
    8.1
  • 作者：
    Feng Zhou;Jianxin Jiao;Baiying Lei
  • 通讯作者：
    Baiying Lei
Segmentation, Splitting, and Classification of Overlapping Bacteria in Microscope Images for Automatic Bacterial Vaginosis Diagnosis
显微镜图像中重叠细菌的分割、分裂和分类，用于自动细菌性阴道病诊断
  • DOI：
    10.1109/jbhi.2016.2594239
  • 发表时间：
    2017-07-01
  • 期刊：
    IEEE JOURNAL OF BIOMEDICAL AND HEALTH INFORMATICS
  • 影响因子：
    7.7
  • 作者：
    Song, Youyi;He, Liang;Wang, Tianfu
  • 通讯作者：
    Wang, Tianfu
Perception-based audio watermarking scheme in the compressed bitstream
压缩比特流中基于感知的音频水印方案
  • DOI：
    10.1016/j.aeue.2014.08.012
  • 发表时间：
    2015
  • 期刊：
    AEU-INTERNATIONAL JOURNAL OF ELECTRONICS AND COMMUNICATIONS
  • 影响因子：
    3.2
  • 作者：
    Lei Baiying;Soon Ing Yann
  • 通讯作者：
    Soon Ing Yann
Discriminative Learning for Automatic Staging of Placental Maturity via Multi-layer Fisher Vector.
通过多层 Fisher 向量进行胎盘成熟度自动分期的判别学习
  • DOI：
    10.1038/srep12818
  • 发表时间：
    2015-07-31
  • 期刊：
    Scientific reports
  • 影响因子：
    4.6
  • 作者：
    Lei B;Yao Y;Chen S;Li S;Li W;Ni D;Wang T
  • 通讯作者：
    Wang T
Bi-level Game TheoreticOptimization for Product Adoption Maximization Incorporating Social NetworkEffects
结合社交网络效应的产品采用最大化的双层博弈论优化
  • DOI：
    10.1109/tsmc.2015.2476473
  • 发表时间：
    2016
  • 期刊：
    IEEE Transactions on Systems, Man, and Cybernetics: Systems
  • 影响因子：
    --
  • 作者：
    Feng Zhou;Jianxin Jiao;Baiying Lei
  • 通讯作者：
    Baiying Lei

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

多通道稀疏图变换网络用于早期阿尔茨海默病识别
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    中国生物医学工程学报
  • 影响因子：
    --
  • 作者：
    邱雅利;朱云;余双至;宋雪刚;汪天富;雷柏英
  • 通讯作者：
    雷柏英
基于中心化自动加权多任务学习的早期轻度认知障碍诊断
  • DOI：
    --
  • 发表时间：
    2019
  • 期刊：
    中国生物医学工程学报
  • 影响因子：
    --
  • 作者：
    成妮娜;肖小华;胡火有;杨鹏;汪天富;雷柏英
  • 通讯作者：
    雷柏英

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

雷柏英的其他基金

面向阿尔茨海默病早期诊断多中心学习方法与云平台研究
  • 批准号：
    62271328
  • 批准年份：
    2022
  • 资助金额：
    53.00 万元
  • 项目类别：
    面上项目
面向阿尔茨海默病早期诊断多中心学习方法与云平台研究
  • 批准号：
    U22A2024
  • 批准年份：
    2022
  • 资助金额：
    53 万元
  • 项目类别：
    面上项目
影像基因的深度学习应用于阿尔茨海默病诊断和预测的多时间点研究
  • 批准号：
    61871274
  • 批准年份：
    2018
  • 资助金额：
    67.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码