Yıl: 2021 Cilt: 36 Sayı: 4 Sayfa Aralığı: 2301 - 2314 Metin Dili: Türkçe DOI: 10.17341/gazimmfd.753989 İndeks Tarihi: 29-07-2022

Bölütlenen beyin bölgelerinin tıbbi görüntü steganografi için değerlendirilmesi

Öz:
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.
Anahtar Kelime: ayrık dalgacık dönüşümü k-ortalama kümeleme tıbbi görüntü steganografisi tıbbi görüntü bölütleme

Evaluation of segmented brain regions for medical image steganography

Öz:
In medical image steganography, diagnosis and treatment of a disease can be affected as a result of the distortion caused by the embedding data in the images. For this reason, data is embedded in the region of non-interest determined by basic techniques such as manual or thresholding, and none of these methods involve the segmentation of brain tissues such as tumours. The present study aims to hide the data used in the diagnosis and treatment of a disease without affecting the medical information in the images with a segmentation-based steganography method by combining them into one file format. Magnetic Resonance (MR) images of epilepsy patients were segmented as background, gray matter, white matter, and tumour by discrete wavelet transform (DWT) and k-means clustering-based segmentation method. The hidden data includes confidential patient information, doctor’s comment, selected Electroencephalogram (EEG) signals, and EEG health reports. The highcapacity message, which encoded by DNA encryption using chaotic and hash functions, and then compressed, is hidden in the least significant bits of non-tumour pixels of images. In the study, the difference between the cover and the stego images was measured by the peak signal-to-noise ratio, the structural similarity measure, the universal quality index, and the correlation coefficient. These values were obtained as 64.0334 decibels (dB), 0.9979, 0.9971, 0.9993, respectively. 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.
Anahtar Kelime:

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
0
0
0
  • 1. Karakis R., Guler I., Chapter 22: Steganography and Medical Data Security, Cryptographic and Information Security Approaches for Images and Videos, Editor Ramakrishnan, S., CRC Press, 627-660, ISBN: 9781138563841, 2019.
  • 2. Karakis R., Guler I., Capraz I., Bilir E., A novel fuzzy logic based image steganography method to ensure medical data security, Computers in Biology and Medicine, 67, 172-183, 2015.
  • 3. Haidekker M., Image Storage, Transport, and Compression, Wiley-IEEE Press. Edition: 1, 386-412, 2011.
  • 4. About DICOM, The National Electrical Manufacturers Association (NEMA), http://medical.nema.org/Dicom/ about-DICOM.html, Erişim tarihi Temmuz 14, 2021.
  • 5. Oosterwijk H., The DICOM standard, overview and characteristics, http://www.ringholm.com/docs /02010_ en. htm, Erişim tarihi Temmuz 14, 2021.
  • 6. Akgül A., Yıldız M.Z., Boyraz Ö.F., Güleryüz E., Kaçar S., Gürevin B., Microcomputer-based encryption of vein images with a non-linear novel system, Journal of the Faculty of Engineering and Architecture of Gazi University, 35 (3), 1369-1385, 2020.
  • 7. Coatrieux G., Maitre H., Sankur B., Rolland Y., Collorec R., Relevance of Watermarking in Medical Imaging, Information Technology Applications in Biomedicine, Proceedings of IEEE EMBS International Conference on, 250-255, 2000.
  • 8. Nyeem H., Boles W., Boyd C., A Review of Medical Image Watermarking Requirements for Teleradiology, J. Digit. Imaging, 26, 326-343, 2013.
  • 9. Coatrieux G., Lecornu L., Sankur B., Roux C., A Review of Image Watermarking Applications in Healthcare, Engineering in Medicine and Biology Society. EMBS’ 06. 28th Annual International Conference of the IEEE, 4691-4694, 2006.
  • 10. Kuang L.-Q., Zhang Y., Han X., Watermarking Image Authentication in Hospital Information System, Information Engineering and Computer Science ICIECS, 1-4, 2009.
  • 11. Cheddad A., Condell J., Curran K., McKevitt P., Digital image steganography: Survey and analysis of current methods, Signal Processing, 90, 727-752, 2010.
  • 12. Li B., He J., Huang J., Shi Y.Q., A Survey on Image Steganography and Steganalysis, Journal of Information Hiding and Multimedia Signal Processing, 2 (2), 142- 172, 2011.
  • 13. Acharya U.R., Subbanna Bhat P., Kumar S., Min L.C., Transmission and storage of medical images with patient information, Comput Biol Med., 33 (4), 303-10, 2003.
  • 14. Karakis R., Gurkahraman K., Cigdem B., Oztoprak I., Topaktas A.S., Hiding Patient Information into Magnetic Resonance Images Using DNA Based Wavelet Transform, The Conferences of International Journal of Arts & Sciences’ (IJAS) Montreal-Canada, Academic Journal of Science, CD-ROM. ISSN: 2165- 6282., 08 (02), 161–170, 2018.
  • 15. Nyeem H., Boles W., Boyd C., Content-independent embedding scheme for multi-modal medical image watermarking, BioMedical Engineering OnLine 2015, 14 (7), 1-19, 2015.
  • 16. Memon N.A., Gilani S.A.M., Watermarking of chest CT scan medical images for content authentication, International Journal of Computer Mathematics, 88 (2), 265-280, 2011.
  • 17. Zain J.M., Fauzi A.R.M., Aziz A.A., Clinical Evaluation of Watermarked Medical Images, 28th IEEE EMBS Annual International Conference, New York City, USA, 5459-5462, 2006.
  • 18. Al-Dmour H., Al-Ani A., Quality optimized medical image steganography based on edge detection and hamming code, IEEE 12th International Symposium on Biomedical Imaging (ISBI), 1486-1489, 2015.
  • 19. Sezgin M., Sankur B., Survey over image thresholding techniques and quantitative performance evaluation, Journal of Electronic Imaging, 13 (1), 146-165, 2004.
  • 20. Ravali K., Kumar A.P., Asadi S., Carrying Digital Watermarking for Medical Images using Mobile Devices, IJCSET, 1 (7), 366-369, 2011.
  • 21. Shukla A., Singh C., Medical Image Authentication Through Watermarking, International Journal of Advanced Research in Computer Science & Technology (IJARCST 2014), 2 (2), 292-295, 2014.
  • 22. Fatemizadeh E., Maneshi M., A New Watermarking Algorithm Based On Human Visual System for Content Integrity Verification of Region of Interest, Computing and Informatics, 31, 877-899, 2012.
  • 23. Rathi S.C., Inamdar V.S., Medical Images Authentication Through Watermarking Preserving ROI, Health Informatics - An International Journal (HIIJ), 1 (1), 27-42, 2012.
  • 24. Alsaade F.W., Watermarking System for the Security of Medical Image Databases used in Telemedicine, Res. J. Inform. Technol., 8 (3), 88-97, 2016.
  • 25. Al-Haj A., Mohammad A., Amer A., CryptoWatermarking of Transmitted Medical Images, Journal of Digital Imaging, 30 (1), 26–38, 2016.
  • 26. Rahimi F., Rabbani H., A dual adaptive watermarking scheme in contourlet domain for DICOM image, BioMedical Engineering OnLine, 10 (53), 1-18, 2011.
  • 27. Guesmi R., Farah M.A.B., Kachouri A., Samet M., A novel chaos-based image encryption using DNA sequence operation and Secure Hash Algorithm SHA-2, Nonlinear Dyn., 83, 1123-1136, 2016.
  • 28. Satheesh P., MATLAB Central File Exchange, DNA crytography with encoding and decoding text message, https://www.mathworks.com/matlabcentral/fileexchang e/68817-dna-crytography-with-encoding-anddecoding-text-message, 2020, Erişim tarihi Temmuz 14, 2021.
  • 29. Gordillo N., Montseny E., Sobrevillac P., State of the art survey on MRI brain tumor segmentation, Magnetic Resonance Imaging, 31 (8), 1426-1438, 2013.
  • 30. Despotović I., Goossens B., Philips W., MRI segmentation of the human brain: Challenges, Methods, and Applications, Computational and Mathematical Methods in Medicine, Article ID 450341, 1-23, 2015.
  • 31. Arı A., Hanbay D., Tumor detection in MR images of regional convolutional neural networks, Journal of the Faculty of Engineering and Architecture of Gazi University, 34 (3), 1395-1408, 2019.
  • 32. Wu M., Lin M., Chang C., Brain tumor detection using color-based k-means clustering segmentation, International Conference on Intelligent Information Hiding and Multimedia Signal Processing, 245-250, 2007.
  • 33. Nimeesha K.M., Gowda R.M., Brain Tumour Segmentation Using K-Means and Fuzzy C-Means Clustering Algorithm, International Journal of Computer Science & Information Technology Research Excellence, 3 (2), 60-65, 2013.
  • 34. Çınaroğlu S., Bulut H., New initialization approaches for the k-means and particle swarm optimization based clustering algorithms, Journal of the Faculty of Engineering and Architecture of Gazi University, 33 (2), 413-423, 2018.
  • 35. Gonzales R., Woods R.E., Digital Image Processing, Pearson Prentice Hall, USA, 2008.
  • 36. Perona P., Malik J., Scale-Space and edge detection using anisotropic diffusion, IEEE Transactions on Pattern Analysis and Machine Intelligence, 12 (7), 629- 639, 1990.
  • 37. Wang Z., Bovik A.C., A Universal Image Quality Index, IEEE Signal Processing Letters, 9 (3), 81-84, 2002.
APA Karakis R, GÜRKAHRAMAN K, çiğdem b, Öztoprak İ, TOPAKTAS A (2021). Bölütlenen beyin bölgelerinin tıbbi görüntü steganografi için değerlendirilmesi. , 2301 - 2314. 10.17341/gazimmfd.753989
Chicago Karakis Rukiye,GÜRKAHRAMAN KALI,çiğdem burhanettin,Öztoprak İbrahim,TOPAKTAS AHMET SUAT Bölütlenen beyin bölgelerinin tıbbi görüntü steganografi için değerlendirilmesi. (2021): 2301 - 2314. 10.17341/gazimmfd.753989
MLA Karakis Rukiye,GÜRKAHRAMAN KALI,çiğdem burhanettin,Öztoprak İbrahim,TOPAKTAS AHMET SUAT Bölütlenen beyin bölgelerinin tıbbi görüntü steganografi için değerlendirilmesi. , 2021, ss.2301 - 2314. 10.17341/gazimmfd.753989
AMA Karakis R,GÜRKAHRAMAN K,çiğdem b,Öztoprak İ,TOPAKTAS A Bölütlenen beyin bölgelerinin tıbbi görüntü steganografi için değerlendirilmesi. . 2021; 2301 - 2314. 10.17341/gazimmfd.753989
Vancouver Karakis R,GÜRKAHRAMAN K,çiğdem b,Öztoprak İ,TOPAKTAS A Bölütlenen beyin bölgelerinin tıbbi görüntü steganografi için değerlendirilmesi. . 2021; 2301 - 2314. 10.17341/gazimmfd.753989
IEEE Karakis R,GÜRKAHRAMAN K,çiğdem b,Öztoprak İ,TOPAKTAS A "Bölütlenen beyin bölgelerinin tıbbi görüntü steganografi için değerlendirilmesi." , ss.2301 - 2314, 2021. 10.17341/gazimmfd.753989
ISNAD Karakis, Rukiye vd. "Bölütlenen beyin bölgelerinin tıbbi görüntü steganografi için değerlendirilmesi". (2021), 2301-2314. https://doi.org/10.17341/gazimmfd.753989
APA Karakis R, GÜRKAHRAMAN K, çiğdem b, Öztoprak İ, TOPAKTAS A (2021). Bölütlenen beyin bölgelerinin tıbbi görüntü steganografi için değerlendirilmesi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 36(4), 2301 - 2314. 10.17341/gazimmfd.753989
Chicago Karakis Rukiye,GÜRKAHRAMAN KALI,çiğdem burhanettin,Öztoprak İbrahim,TOPAKTAS AHMET SUAT Bölütlenen beyin bölgelerinin tıbbi görüntü steganografi için değerlendirilmesi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 36, no.4 (2021): 2301 - 2314. 10.17341/gazimmfd.753989
MLA Karakis Rukiye,GÜRKAHRAMAN KALI,çiğdem burhanettin,Öztoprak İbrahim,TOPAKTAS AHMET SUAT Bölütlenen beyin bölgelerinin tıbbi görüntü steganografi için değerlendirilmesi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, vol.36, no.4, 2021, ss.2301 - 2314. 10.17341/gazimmfd.753989
AMA Karakis R,GÜRKAHRAMAN K,çiğdem b,Öztoprak İ,TOPAKTAS A Bölütlenen beyin bölgelerinin tıbbi görüntü steganografi için değerlendirilmesi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi. 2021; 36(4): 2301 - 2314. 10.17341/gazimmfd.753989
Vancouver Karakis R,GÜRKAHRAMAN K,çiğdem b,Öztoprak İ,TOPAKTAS A Bölütlenen beyin bölgelerinin tıbbi görüntü steganografi için değerlendirilmesi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi. 2021; 36(4): 2301 - 2314. 10.17341/gazimmfd.753989
IEEE Karakis R,GÜRKAHRAMAN K,çiğdem b,Öztoprak İ,TOPAKTAS A "Bölütlenen beyin bölgelerinin tıbbi görüntü steganografi için değerlendirilmesi." Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 36, ss.2301 - 2314, 2021. 10.17341/gazimmfd.753989
ISNAD Karakis, Rukiye vd. "Bölütlenen beyin bölgelerinin tıbbi görüntü steganografi için değerlendirilmesi". Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 36/4 (2021), 2301-2314. https://doi.org/10.17341/gazimmfd.753989