資安與生醫影像處理共舞

為什麼是這篇文章

醫療影像處理，如果與患者個人資料結合，將可能涉及隱私。為保全患者隱私，資訊安全著實重要。

從 2019 年開始，學界開始注意生醫影像處理與資料安全的問題[1]。然而，在 BUNET[2] 問世之前，能真正將資訊安全運用在醫學影像處理方面的人或許不算太多，因而相關資料的安全，只能仰賴電腦中其他防護。而 BUNET 本身的創造，便是因應此問題而來；它採用 Unet 做為基底，並同時兼具影像處理與加密的功能。

BUNET 採用的影像處理模式為 blind segmentation，而加密方式則以雙向 ASS 為主，其模型如下圖所示。在模型中上有個 SecAct protocol，是用來作為 Unet 加密演算的 building blocks。

總體來說，此模型可用來做 3D 與 2D 的影像處理，並且透過人工智慧加密演算，保障患者資料安全。

除了 BUNET 之外，目前也已出現以 graph-cut 為基礎的影像處理並可以兼顧資訊安全的技術[3]。不論如何，此領域尚在新生階段[1]，有志之士亦可投身研究。

撰文 | 郭彥伶

參考資料

[1]Deep Learning for Cardiac Image Segmentation: A Review

[2]BUNET: Blind Medical Image Segmentation Based on Secure UNET

[3]Graph cut segmentation of the right ventricle in cardiac MRI using multi-scale feature learning