CN110580951B - 一种通信加密的诊断监控综合医疗系统及其通信加密方法 - Google Patents

一种通信加密的诊断监控综合医疗系统及其通信加密方法 Download PDF

Info

Publication number
CN110580951B
CN110580951B CN201910856851.9A CN201910856851A CN110580951B CN 110580951 B CN110580951 B CN 110580951B CN 201910856851 A CN201910856851 A CN 201910856851A CN 110580951 B CN110580951 B CN 110580951B
Authority
CN
China
Prior art keywords
image
diagnosis
case
cloud server
key
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910856851.9A
Other languages
English (en)
Other versions
CN110580951A (zh
Inventor
赵志宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ding Yuehui
Original Assignee
Ding Yuehui
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ding Yuehui filed Critical Ding Yuehui
Priority to CN201910856851.9A priority Critical patent/CN110580951B/zh
Publication of CN110580951A publication Critical patent/CN110580951A/zh
Application granted granted Critical
Publication of CN110580951B publication Critical patent/CN110580951B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H04L63/0435—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload wherein the sending and receiving network entities apply symmetric encryption, i.e. same key used for encryption and decryption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/06—Network architectures or network communication protocols for network security for supporting key management in a packet data network
    • H04L63/061—Network architectures or network communication protocols for network security for supporting key management in a packet data network for key exchange, e.g. in peer-to-peer networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/12—Applying verification of the received information
    • H04L63/126—Applying verification of the received information the source of the received data

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physiology (AREA)
  • Databases & Information Systems (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

一种通信加密的诊断监控综合医疗系统，包括客户端、工作站、云端服务器、图像采集装置以及生理参数传感器，生理参数传感器通过短距离无线通信技术传输到网络协调器与客户端连接，客户端通过互联网与云端服务器连接，工作站与云端服务器之间使用加密算法进行通信。

Description

一种通信加密的诊断监控综合医疗系统及其通信加密方法
技术领域
本发明属医疗监控领域，特别涉及一种通信加密的诊断监控综合医疗系统。
背景技术
将自动化医疗设备引入现代医疗信息系统具有多种优势，患者护理、更安全、更智能以及减少人为错误的可能性。医疗设备之间的通信连接是保证患者安全的重要因素之一。医疗和健康数据对操作人员也很重要。它可以帮助医生、护士和健康保险人员共享手术期间记录的患者信息，以诊断患者的疾病，恢复人们的健康，并在发生或准备任何医疗事故时审核医疗记录。然而，由于医疗数据通常是高度敏感和私密的，如果使用或披露不当，可能会危害患者的隐私并危及他们的生命。个人健康信息的安全性、隐私性和保密性是人们对医疗信息系统最关心的问题。因此，医疗信息系统的安全性和可靠性要求很高。
随着进入二十一世纪，智能化时代即将到来，患者的监护问题也将是智能化时代的一个重要的研究课题。患者经常会遇到各种意想不到的伤害，例如跌倒和心率不正常等，缺少对患者运动状态的实时监控。
传统上，国内外医学界的诊疗决策尤其是诊断决策方法大都是根据各种医疗仪器对病人的检查结果，由医生凭借自身的医学知识和多年积累的临床诊断经验，对病情进行分析判断，从而做出相应的决策。这种决策方法的有效性取决于医生的业务水平，主观因素影响较大。缺少医院诊疗中诊疗案例相似度匹配方法。
发明内容
本发明要解决的技术问题是如何实现工作站与云服务器之间的安全加密通信，对此本发明提供一种通信加密的诊断监控综合医疗系统以及方法，包括客户端、工作站、云端服务器、图像采集装置以及生理参数传感器，生理参数传感器通过短距离无线通信技术传输到网络协调器与客户端连接，客户端通过互联网与云端服务器连接，图像采集装置与工作站连接，将采集到的图像上传至云端服务器，患者用户通过客户端上传患者用户的基本信息至云端服务器，决策用户通过工作站上传案例概况信息、患者用户主要症状和体征、化验结果、病理信息、患者用户病情的基本判断、治疗手段、手术后症状、护理建议和策略至云端服务器，云端服务器存储有诊疗案例库，云端服务器对上传的各类信息综合形成案例，决策用户通过工作站对诊疗案例库进行检索，在诊疗案例库中找到相似度匹配找到最相似的案例，图像采集装置包括CT机、超声仪和核磁共振仪，生理参数传感器包括心率采集传感器、血压计、血氧仪和加速度计，其为可穿戴设备，工作站使用图像融合对采集到的CT图像、超声图像和核磁共振图像进行两两图像融合，并将融合后的图像上至云端服务器，工作站与云端服务器之间使用加密算法进行通信。
一种诊断综合医疗监控系统的通信加密方法，工作站与云端服务器之间使用加密算法进行通信，其加密解密过程如下：
步骤1，发送方与接收方双方密钥共享，根据接收方的公钥生成共享密钥；
步骤2，发送方使用共享密钥和其他可选择参数作为密钥求导函数的输入，求导结果构成对称加密密钥和MAC密钥对；
步骤3，使用对称加密算法将对称加密密钥和明文作为输入，生成密文；
步骤4，使用加密信息、MAC密钥和其他公共参数作为输入，选用MAC函数生成标识；
步骤5，发送方使用临时公钥、标识以及密文组成加密信息发送给接收方；
步骤6，接收方接收加密信息，并且获知发送方的临时公钥、标识以及密文，从而将加密信息分解；
步骤7，接收方将接收的临时公钥和接收方的私钥进行乘积；
步骤8，使用共享密钥和其他发送方也使用的公共参数，接收方进行和发送方相同的求导过程，从而得到加密密钥和MAC密钥对；
步骤9，使用加密信息、MAC密钥和发送方使用的其他公共参数作为输入，接收方计算出新的标识，并与接收到的标识进行比较，如果新的标识和接收到的标识不同，则验证失败，拒绝接收密文；
步骤10，如果新的标识和接收到的标识相同，则接收方继续解密流程，使用对称解密算法，以加密信息和解密密钥作为输出，输出发送方的明文。
本发明的有益效果：
(1)通过加密通信有效保证了患者的隐私不被泄露；
(2)通过运动状态的判断实现了患者姿态的识别，实时监控病人的状态；
(3)通过图像融合实现了患者病灶图像的细节显示，为医生诊断提供有力的依据；
(4)通过相似度匹配寻找与患者最为接近的案例，从而为医生诊断提供可靠的依据治疗方案以及病人治疗环境的选择提供依据，从而极大减少了医生的劳动强度。
附图说明
图1为本发明的系统框图；
图2为本发明的加密算法通信的加密解密流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步的说明。
本发明的实施例参考图1-2示。
一种通信加密的诊断监控综合医疗系统，包括客户端、工作站、云端服务器、图像采集装置以及生理参数传感器，生理参数传感器通过短距离无线通信技术传输到网络协调器与客户端连接，客户端通过互联网与云端服务器连接，图像采集装置与工作站连接，将采集到的图像上传至云端服务器，患者用户通过客户端上传患者用户的基本信息至云端服务器，决策用户通过工作站上传案例概况信息、患者用户主要症状和体征、化验结果、病理信息、患者用户病情的基本判断、治疗手段、手术后症状、护理建议和策略至云端服务器，云端服务器存储有诊疗案例库，云端服务器对上传的各类信息综合形成案例，决策用户通过工作站对诊疗案例库进行检索，在诊疗案例库中找到相似度匹配找到最相似的案例，图像采集装置包括CT机、超声仪和核磁共振仪，生理参数传感器包括心率采集传感器、血压计、血氧仪和加速度计，其为可穿戴设备，工作站使用图像融合对采集到的CT图像、超声图像和核磁共振图像进行两两图像融合，并将融合后的图像上至云端服务器，工作站与云端服务器之间使用加密算法进行通信。
其中，工作站与云端服务器之间使用加密算法进行通信，其加密解密过程如下：
步骤1，发送方与接收方双方密钥共享，根据接收方的公钥生成共享密钥；
步骤2，发送方使用共享密钥和其他可选择参数作为密钥求导函数的输入，求导结果构成对称加密密钥和MAC密钥对；
步骤3，使用对称加密算法将对称加密密钥和明文作为输入，生成密文；
步骤4，使用加密信息、MAC密钥和其他公共参数作为输入，选用MAC函数生成标识；
步骤5，发送方使用临时公钥、标识以及密文组成加密信息发送给接收方；
步骤6，接收方接收加密信息，并且获知发送方的临时公钥、标识以及密文，从而将加密信息分解；
步骤7，接收方将接收的临时公钥和接收方的私钥进行乘积；
步骤8，使用共享密钥和其他发送方也使用的公共参数，接收方进行和发送方相同的求导过程，从而得到加密密钥和MAC密钥对；
步骤9，使用加密信息、MAC密钥和发送方使用的其他公共参数作为输入，接收方计算出新的标识，并与接收到的标识进行比较，如果新的标识和接收到的标识不同，则验证失败，拒绝接收密文；
步骤10，如果新的标识和接收到的标识相同，则接收方继续解密流程，使用对称解密算法，以加密信息和解密密钥作为输出，输出发送方的明文。
其中，工作站或云端服务器作为发送方，云端服务器或工作站作为接收方。
其中，生理参数传感器为可穿戴设备，其通过加速度计的加速度数据判断患者的运动状态，具体判断过程如下：
步骤1，从加速度计获取加速度数据；
步骤2，数据预处理，
将获取的加速度数据生成为加速度时间序列数据，采用滑动窗口为加速度时间序列数据的时域加窗，对每个加窗得到的加速度时间序列数据进行处理和识别，滑动窗口使用时间轴来分段提取序列，定义窗口长度w以及重叠窗口长度o。
对于一段加速度时间序列{x1，x2...xn...}，第一个窗口为{x1，x2...xw}，第二个窗口为{xw-oxw-o+1...x2w-o-1}，第三个窗口为{x2w-2o-1，x2w-2o...x3w-2o-2}，第n各窗口为{xn(w-o)-n+1，xn(w-o)-n+2...xn(w-o)+w-n}，其中，w＝60，o＝10。xn为加速度时间序列数据。
重叠的作用是减轻频谱泄漏，减少信号截断对信息的破坏。
步骤3，数据特征生成，
加速度数据特征包括时域特征和频域特征，时域特征包括加速的在窗口长度w内的平均值、均方根、方差和绝对平均差，频域特征为窗口长度w内的能量。
均值
Figure BDA0002197650290000071
为加速度数值的平均大小，是加速的直流分量，其计算公式为：
Figure BDA0002197650290000072
均方根D为加速度值的总体大小，其计算公式如下：
Figure BDA0002197650290000073
方差σx为加速度的分散程度，其计算公式如下：
Figure BDA0002197650290000074
方差明显的反映了数据变化的剧烈程度，其中-是加速度的均值。
绝对平均差K的计算为：
Figure BDA0002197650290000075
能量E的计算方法是对信号做FFT之后，各个分量的幅值平方和，其公式为：
Figure BDA0002197650290000076
Fi为加速度时间FFT之后第i个分量的幅度，N为分量个数。
通过上述平均值、均方根、方差、绝对平均差、能量的计算分别得到多个窗口的平均值序列、均方根序列、方差序列、绝对平均差序列、能量序列。
特征生成在模式识别的任务中是至关重要的，给定了测度集合，特征生成的目标是探索获取数据的固有模式和信息的重表示。一个良好的特征生成过程会将数据的基本信息压缩，同时剔除冗余的信息，从而减少原始数据空间的维数。
步骤4匹配识别，
生成样本序列，样本序列包括在行走状态、奔跑状态、跳跃状态、跌倒状态、静止状态下各个平均值序列、均方根序列、方差序列、绝对平均差序列、能量序列，样本序列为预先设置或者通过用户本身通过执行相应的状态进行设置；
将上述得到的平均值序列、均方根序列、方差序列、绝对平均差序列、能量序列分别匹配不同状态下的样本序列，将匹配度最高的样本序列的状态作为当前用户的运动状态。
其中，采用超声图像和核磁共振图像生成聚焦彩色图像，其融合过程如下：
步骤1，通过HSV变换将图像A、B从RGB空间转化到HSV空间，并获得H、S、V三个分量；
步骤2，通过邻域叠加得到融合后的H分量；
步骤3，通过梯度计算得到融合后的S分量和V分量；
步骤4，根据上述步骤的H分量、S分量和V分量，通过HSV逆变换构成最终的融合图像。
其中，使用CT图像和核磁共振图像或者使用CT图像和超声图像生成灰度图像，其融合过程如下：
步骤1，图像A为参考图像，图像B为标准图像，取得图像A、B的灰度函数，分别为fA(i，j)，fB(i，j)；
步骤2，两幅图像的平均灰度值μA、μB，
Figure BDA0002197650290000091
Figure BDA0002197650290000092
其中，M和N是图像二维像素尺寸；
步骤3.计算两幅图像的标准偏差σA、σB：
Figure BDA0002197650290000093
Figure BDA0002197650290000094
步骤4.计算修正系数cr：
Figure BDA0002197650290000095
步骤5.计算平均灰度值校正项μc：
μc＝μA-(cr×μB)；
步骤6.计算标准图像B的匹配图像灰度函数f′B，
f′B＝(fB(i，j)×cr)+μc；
步骤7，计算参考图像A以及匹配灰度后的图像B的梯度，
Figure BDA0002197650290000096
Figure BDA0002197650290000097
其中，
Figure BDA0002197650290000101
Figure BDA0002197650290000102
Figure BDA0002197650290000103
Figure BDA0002197650290000104
Figure BDA0002197650290000105
Figure BDA0002197650290000106
Figure BDA0002197650290000107
Figure BDA0002197650290000108
其中，
Figure BDA0002197650290000109
为原始图像A、B在点(i，j)处的梯度，Gi()、Gj()、Gij()、Gji()为点(i，j)处的横向、竖向、45°斜向、135°斜向变化函数，fA(i，j)、f′B(i，j)为参考图像A以及匹配灰度后的图像B在点(i，j)处的灰度分量；
步骤8，融合，
Figure BDA00021976502900001010
其中，FAB(i，j)为在点(i，j)处融合后的灰度分量。
由此得到融合的灰度图像。
其中，图像A为超声图像或核磁共振图像，图像B为CT图像。
其中，决策用户通过工作站对诊疗案例库进行检索，在诊疗案例库中找到相似度匹配找到最相似的案例，具体步骤如下：
步骤1，根据医学临床诊疗特点，定义源决策案例的特征属性，建立诊疗案例库；
步骤2，患者用户就诊后，通过人机交互界面输入特征属性信息，并提取特征向量；
其中，特征向量包括：
案例概况信息向量，其包括案例编号，案例名，案例发生时间，主治医生姓名，住院医师姓名，护理人员姓名在内的特征属性；
病人基本信息向量，其包括患者用户性别，年龄，身高，体重，家族史，健康史，药物过敏史，入院日期，出院日期在内的特征属性；
患者用户主要症状和体征的向量，其包括患者用户主观异常感觉，患者用户体征在内的特征属性；
化验结果向量，包括血常规，免疫组合，凝血象，尿常规，血气分析，B超检查，CT检查，心电，血压，血氧饱和度在内的特征属性；
病理信息向量，包括来自理报告中的肿瘤大小、受侵淋巴结数、有无结节冒、恶性肿瘤程度，肿块位置、肿块所在象限，分布特征，生长特征在内的特征属性；
患者用户病情的基本判断向量，包括决策用户的主观判断结果，即恶性、良性、易复发和不易复发在内的特征属性；
治疗向量，包括病情描述，诊断过程，是否放疗，治疗过程，治疗效果以及中间的检查情况在内的特征属性；
手术后症状向量，即治疗后的乳腺癌患者用户症状描述在内的特征属性；
患者用户具体病情以及症状特征的护理建议和策略的向量。
步骤3，输入特征向量，模糊诊疗知识发现程序在诊疗案例库发现相关案例；
步骤4，通过遗传算法获取各特征向量中各特征属性的最优权重；具体为：
步骤4.1，将特征属性进行编码；
步骤4.2，生成各特征属性的初始权重；
步骤4.3，计算适应度并保持优选的染色体；
步骤4.4，发现准确值；
步骤4.5，用轮盘赌选择方法进行复制和选择；
步骤4.6，交叉；
步骤4.7，变异；
步骤4.8，优选染色体；
步骤4.9，替代现有染色体；
步骤4.10，进化迭代次数是否达到上限，是则停止迭代，进入步骤11，否则返回步骤3，继续迭代；
步骤4.11，将当前染色体逆编码，生成最优权重；
步骤5，结合最优权重和各特征属性，通过案例检索程序在诊疗案例库中进行检索，进行相似度分析获取最相似的案例，具体为：
步骤5.1，确定决策用户的正负理想案例，构造模糊矩阵并进行规范化；
步骤5.2，对模糊矩阵进行加权计算；
步骤5.3，对正负理想案例各属性指标值加权；
步骤5.4，计算正负理想案例、目标案例与输入案例的距离，
Figure BDA0002197650290000131
Figure BDA0002197650290000132
Figure BDA0002197650290000133
其中，i为特征向量序数；j为特征属性序数；n为特征向量总数；l为特征属性总数；xij为第i个特征向量的第j个特征属性值；
Figure BDA0002197650290000134
为到正理想点的距离；
Figure BDA0002197650290000135
为到负理想点的距离；IDT为各案例与目标案例的距离；
Figure BDA0002197650290000136
为正理想点值，
Figure BDA0002197650290000137
为负理想点值，xT为目标点值，d(，)为模糊数之间的距离函数；
步骤5.5，计算贴合度，确定各个案例之间的顺序，找到与目标案例最相似的案例，计算各个案例与目标案例之间的贴近度，
Figure BDA0002197650290000138
其中，TH为贴合度，TH值越高表示两个案例越相近，选择贴合度最高的案例作为最相似的案例；
步骤6，返回最相似的案例给决策用户，如满足要求，则生成诊断案例，并进入步骤7；如不满足要求，则决策用户输入特定需求，启动案例修正程序，对获取的案例进行修正，直至满足要求的案例，并进入步骤7；
步骤7：决策用户审查和评估检索得到的案例价值，如果认为该案例有价值，则生成相应的诊断结论，并存入诊疗案例库，如果认为该案例没有有价值，则生成相应的诊断结论，并退出。
以上所述实施方式仅表达了本发明的一种实施方式，但并不能因此而理解为对本发明范围的限制。应当指出，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (7)

1.一种通信加密的诊断监控综合医疗系统，包括客户端、工作站、云端服务器、图像采集装置以及生理参数传感器，生理参数传感器通过短距离无线通信技术传输到网络协调器与客户端连接，客户端通过互联网与云端服务器连接，图像采集装置与工作站连接，将采集到的图像上传至云端服务器，患者用户通过客户端上传患者用户的基本信息至云端服务器，决策用户通过工作站上传案例概况信息、患者用户主要症状和体征、化验结果、病理信息、患者用户病情的基本判断、治疗手段、手术后症状、护理建议和策略至云端服务器，云端服务器存储有诊疗案例库，云端服务器对上传的各类信息综合形成案例，决策用户通过工作站对诊疗案例库进行检索，在诊疗案例库中找到相似度匹配找到最相似的案例，图像采集装置包括CT机、超声仪和核磁共振仪，生理参数传感器包括心率采集传感器、血压计、血氧仪和加速度计，其为可穿戴设备，工作站使用图像融合对采集到的CT图像、超声图像和核磁共振图像进行两两图像融合，并将融合后的图像上至云端服务器，工作站与云端服务器之间使用加密算法进行通信，其特征在于工作站与云端服务器之间使用加密算法进行通信，其加密解密过程如下：
步骤1，发送方与接收方双方密钥共享，根据接收方的公钥生成共享密钥；
步骤2，发送方使用共享密钥和其他可选择参数作为密钥求导函数的输入，求导结果构成对称加密密钥和MAC密钥对；
步骤3，使用对称加密算法将对称加密密钥和明文作为输入，生成密文；
步骤4，使用加密信息、MAC密钥和其他公共参数作为输入，选用MAC函数生成标识；
步骤5，发送方使用临时公钥、标识以及密文组成加密信息发送给接收方；
步骤6，接收方接收加密信息，并且获知发送方的临时公钥、标识以及密文，从而将加密信息分解；
步骤7，接收方将接收的临时公钥和接收方的私钥进行乘积；
步骤8，使用共享密钥和其他发送方也使用的公共参数，接收方进行和发送方相同的求导过程，从而得到加密密钥和MAC密钥对；
步骤9，使用加密信息、MAC密钥和发送方使用的其他公共参数作为输入，接收方计算出新的标识，并与接收到的标识进行比较，如果新的标识和接收到的标识不同，则验证失败，拒绝接收密文；
步骤10,如果新的标识和接收到的标识相同，则接收方继续解密流程，使用对称解密算法，以加密信息和解密密钥作为输出，输出发送方的明文。
2.根据权利要求1所述的一种通信加密的诊断监控综合医疗系统，其特征在于：工作站或云端服务器作为发送方，云端服务器或工作站作为接收方。
3.根据权利要求1所述的一种通信加密的诊断监控综合医疗系统，其特征在于：生理参数传感器为可穿戴设备，其通过加速度计的加速度数据判断患者的运动状态，具体判断过程如下：
步骤1，从加速度计获取加速度数据；
步骤2，数据预处理，
步骤3，数据特征生成，
步骤4，匹配识别。
4.根据权利要求1所述的一种通信加密的诊断监控综合医疗系统，其特征在于：采用超声图像和核磁共振图像生成聚焦彩色图像，其融合过程如下：
步骤1，通过HSV变换将图像A、B从RGB空间转化到HSV空间，并获得H、S、V三个分量；
步骤2，通过邻域叠加得到融合后的H分量；
步骤3，通过梯度计算得到融合后的S分量和V分量；
步骤4，根据上述步骤的H分量、S分量和V分量，通过HSV逆变换构成最终的融合图像。
5.根据权利要求1所述的一种通信加密的诊断监控综合医疗系统，其特征在于使用CT图像和核磁共振图像或者使用CT图像和超声图像生成灰度图像，其融合过程如下：
步骤1，图像A为参考图像，图像B为标准图像，取得图像A、B的灰度函数；
步骤2，两幅图像的平均灰度值；
步骤3，计算两幅图像的标准偏差：
步骤4，计算修正系数；
步骤5，计算平均灰度值校正项；
步骤6，计算标准图像B的匹配图像灰度函数；
步骤7，计算参考图像A以及匹配灰度后的图像B的梯度；
步骤8，融合，得到融合的灰度图像。
6.根据权利要求5所述的一种通信加密的诊断监控综合医疗系统，其特征在于：图像A为超声图像或核磁共振图像，图像B为CT图像。
7.根据权利要求1所述的一种通信加密的诊断监控综合医疗系统，其特征在于：决策用户通过工作站对诊疗案例库进行检索，在诊疗案例库中找到相似度匹配找到最相似的案例，具体步骤如下：
步骤1，根据医学临床诊疗特点，定义源决策案例的特征属性，建立诊疗案例库；
步骤2，患者用户就诊后，通过人机交互界面输入特征属性信息，并提取特征向量；
步骤3，输入特征向量，模糊诊疗知识发现程序在诊疗案例库发现相关案例；
步骤4，通过遗传算法获取各特征向量中各特征属性的最优权重；
步骤5，结合最优权重和各特征属性，通过案例检索程序在诊疗案例库中进行检索，进行相似度分析获取最相似的案例；
步骤6，返回最相似的案例给决策用户，如满足要求，则生成诊断案例，并进入步骤7；如不满足要求，则决策用户输入特定需求，启动案例修正程序，对获取的案例进行修正，直至满足要求的案例，并进入步骤7；
步骤7：决策用户审查和评估检索得到的案例价值，如果认为该案例有价值，则生成相应的诊断结论，并存入诊疗案例库，如果认为该案例没有价值，则生成相应的诊断结论，并退出。
CN201910856851.9A 2019-09-10 2019-09-10 一种通信加密的诊断监控综合医疗系统及其通信加密方法 Active CN110580951B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910856851.9A CN110580951B (zh) 2019-09-10 2019-09-10 一种通信加密的诊断监控综合医疗系统及其通信加密方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910856851.9A CN110580951B (zh) 2019-09-10 2019-09-10 一种通信加密的诊断监控综合医疗系统及其通信加密方法

Publications (2)

Publication Number Publication Date
CN110580951A CN110580951A (zh) 2019-12-17
CN110580951B true CN110580951B (zh) 2023-04-07

Family

ID=68812771

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910856851.9A Active CN110580951B (zh) 2019-09-10 2019-09-10 一种通信加密的诊断监控综合医疗系统及其通信加密方法

Country Status (1)

Country Link
CN (1) CN110580951B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111462853B (zh) * 2020-04-05 2021-03-26 朱礼伟 基于区块链和5g通讯的移动医疗系统及方法
CN112907413A (zh) * 2021-01-13 2021-06-04 罗春华 基于云计算和区块链的智慧互联网医院就诊方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110011995A (zh) * 2019-03-26 2019-07-12 阿里巴巴集团控股有限公司 多播通信中的加密和解密方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015194930A1 (en) * 2014-06-19 2015-12-23 Salutica Allied Solutions Sdn. Bhd. Wireless tire monitoring system
CN105450650B (zh) * 2015-12-03 2019-03-08 中国人民大学 一种安全移动电子健康记录访问控制系统
CN106650205B (zh) * 2016-09-28 2019-03-19 西安电子科技大学 一种高效隐私保护的云医疗数据监护方法
CN109495497A (zh) * 2018-12-11 2019-03-19 西安邮电大学 基于信誉度动态管理及国产密码算法隐私信息加密传输方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110011995A (zh) * 2019-03-26 2019-07-12 阿里巴巴集团控股有限公司 多播通信中的加密和解密方法及装置

Also Published As

Publication number Publication date
CN110580951A (zh) 2019-12-17

Similar Documents

Publication Publication Date Title
CN110584605B (zh) 一种相似度匹配的诊断监控综合医疗系统及其匹配方法
US11883153B2 (en) Digital platform to identify health conditions and therapeutic interventions using an automatic and distributed artificial intelligence system
CN110600109B (zh) 一种彩色图像融合的诊断监控综合医疗系统及其融合方法
Sufi et al. Diagnosis of cardiovascular abnormalities from compressed ECG: a data mining-based approach
KR20190022623A (ko) 지리적 지역들에 걸친 분석용 건강 데이터를 수정 및 편집하기 위한 시스템 및 방법
US11610676B2 (en) Information processing device and information processing method
WO2019244949A1 (ja) 生体情報処理方法、生体情報処理装置、および生体情報処理システム
CN110575178B (zh) 一种运动状态判断的诊断监控综合医疗系统及其判断方法
CN110580951B (zh) 一种通信加密的诊断监控综合医疗系统及其通信加密方法
CN108847280A (zh) 基于案例推理的智慧云医疗实时管理系统
JP7120994B2 (ja) 対象者データ管理システム
CN114566282B (zh) 一种基于超声心动图检测报告的治疗决策系统
CN113066562A (zh) 基于5g的医疗图像传输方法及系统
CN111227789A (zh) 人体健康监护方法和装置
Soundrapandiyan et al. AI-based wavelet and stacked deep learning architecture for detecting coronavirus (COVID-19) from chest X-ray images
Al-Shahwani et al. The benefit of artificial intelligence in the analysis of malignant brain diseases: a mini review
Dhanalakshmi et al. Convolutional Neural Network Model based Deep Learning Approach for Osteoporosis Fracture Detection
Kute et al. Machine learning–based disease diagnosis and prediction for E‐healthcare system
WO2023124911A1 (zh) 一种人体体成分和内脏脂肪含量预测方法
US11308339B2 (en) Methods and systems for identifying and profiling biological tissue
CN110600124B (zh) 一种灰度图像融合的诊断监控综合医疗系统及其融合方法
Mallios et al. A virtual doctor prototype for quick diagnosis and secure health information exchange
WO2021216988A1 (en) Predictive adaptive intelligent diagnostics and treatment
Huang et al. A new direction to promote the implementation of artificial intelligence in natural clinical settings
Kavitha et al. Online service for brain cancer detection and its types prediction using support vector machine with enhanced naive Bayes classifier

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20230310

Address after: 156 Shop, Fukang Road, Xintiandi Commercial Plaza, Sucheng District, Suqian City, Jiangsu Province, 223800

Applicant after: Ding Yuehui

Address before: 250012 School of medicine, Shandong University, 44 West Wenhua Road, Lixia District, Shandong, Ji'nan

Applicant before: Zhao Zhiyu

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant