基于生成对抗网络的掌静脉图像加密隐私保护方法及系统技术方案

本发明专利技术公开了一种基于生成对抗网络的掌静脉图像加密隐私保护方法及系统，涉及图像处理与医疗设备安全领域，包括：步骤1、对输入的掌静脉图像S进行图像分割处理，得到掌静脉识别重点关注区域X；步骤2、基于X获取识别身份信息所需的掌静脉身份信息特征向量Z

【技术实现步骤摘要】
基于生成对抗网络的掌静脉图像加密隐私保护方法及系统


[0001]本专利技术涉及图像处理与医疗设备安全领域，尤其涉及一种基于生成对抗网络的掌静脉图像加密隐私保护方法及系统。

技术介绍

[0002]随着大数据时代的到来，医疗电子设备的普及和互联网通讯技术飞速发展，使得数字化浪潮席卷医疗行业体系，尤其基于人工智能技术的医疗预测和生成推荐系统极大地便利了医生的诊疗过程。其中最典型的应用之一是医学图像分析。在真实的应用场景中，患者的健康医疗数据几乎可以全程以电子化的形式进行采集与记录，包括疾病诊断记录、病人用药效果、基因数据、家庭病史、行为数据甚至社会环境状况数据等，用于人工智能辅助医疗。
[0003]目前，全球已有数万台医疗机构设备连入互联网，共享医疗数据，使得医疗数据的保存、共享以及管理模式产生了巨大变化。而打通各个医疗机构间的数据交换共享渠道壁垒已经是大数据时代下人工智能医疗发展的必然趋势。
[0004]然而，在医疗机构提供诊疗服务过程中收集和存储海量的患者医疗数据更加便利的同时，数据在不同主体间的转移与流动也更加容易。一些不法机构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络的医学掌静脉图像加密隐私保护方法，其特征在于，所述方法包括以下步骤：步骤1、对输入的掌静脉图像S进行图像分割处理，得到掌静脉识别重点关注区域X：步骤2、基于所述掌静脉识别重点关注区域X获取识别身份信息所需的掌静脉身份信息特征向量Z
id
以及身份信息I；步骤3、对所述身份信息I进行参数可调变换得到F(I)，并计算所述掌静脉身份信息特征向量Z
id
通过所述参数可调变换得到新的掌静脉身份信息特征向量Z
new
，其中，F()为变换函数；步骤4、结合变换后的所述掌静脉身份信息特征向量Z
new
与原始的所述掌静脉图像S中的非敏感信息Z
attr
执行图像重建功能，生成加密后的掌静脉图像X
p
。2.如权利要求1所述的基于生成对抗网络的医学掌静脉图像加密隐私保护方法，其特征在于，在所述步骤4中生成所述加密后的掌静脉图像X
p
后，还包括步骤5，即对所述加密后的掌静脉图像X
p
进行加密效果检验，所述加密效果检测的步骤如下：步骤5.1、将生成的所述加密后的掌静脉图像X
p
进行身份特征识别，得到生成图像代表的新身份信息I
new
；步骤5.2、将I
new
与I进行比较，判断I
new
与I相比是否发生变化，且I
new
是否不同于身份信息库中的任何身份信息。3.如权利要求2所述的基于生成对抗网络的医学掌静脉图像加密隐私保护方法，其特征在于，在所述步骤1中，所述掌静脉图像S来自存储于云端服务器的掌静脉图像数据库。4.如权利要求3所述的基于生成对抗网络的医学掌静脉图像加密隐私保护方法，其特征在于，在所述步骤2中，所述掌静脉身份信息特征向量Z
id
的获取公式如下：Z
id
＝E
id
(X)
ꢀꢀ
(1)其中，E
id
()表示身份编译器，为一个预先训练好的针对所述掌静脉图像数据库的掌静脉识别模型；X为所述掌静脉识别重点关注区域。5.如权利要求4所述的基于生成对抗网络的医学掌静脉图像加密隐私保护方法，其特征在于，在所述步骤3中，所述掌静脉身份信息特征向量Z
id
的变化公式如下：Z
neew
＝Z
id
cosθ+Z
90
sinθ
ꢀꢀ
(2)...

【专利技术属性】
技术研发人员：范昭华，陈媛芳，杨根科，肖声远，
申请(专利权)人：上海交通大学宁波人工智能研究院，
类型：发明
国别省市：