面向医疗系统的隐私保护疾病预测研究

来源：计算机测量与控制杂志2023年第4期北京时间：

作者：李超,张艳玲,张清媛

单位：山东第一医科大学第二附属医院

摘要：为了提高医疗数据的隐私性并有效对疾病进行预测,针对从物联网(IoT)设备收集的患者医疗数据,构建了面向医疗系统的隐私保护疾病预测系统框架,通过加密组合文本建立密钥提高了系统认证阶段的隐私性,加强系统和信息传输的安全性。利用基于对数循环值的椭圆曲线密码体制(LR-ECC)提高了数据传输阶段的安全性,从而授权的医护人员可以在医院侧安全地下载患者数据。运用基于象群遗传算法的的深度学习神经网络(EHGA-DLNN)分类技术在疾病预测系统(DPS)阶段实现了疾病数据的有效分类预测。实验结果表明,LR-ECC方法在加密时间和解密时间效率方面高于其他加密方法,并且能够达到98.87%的安全级别,EHGA-DLNN方法在疾病预测分类准确率达到98.35%。

关键词：医疗系统;物联网;数据安全;隐私保护;疾病预测;

基金资助：国家自然科学基金(81871356)；山东省临床医学科技创新计划(202219044)；