[发明专利]医疗影像安全多阶段脱敏方法及系统

权利要求书

1.一种医疗影像安全多阶段脱敏方法，其特征在于，包括以下步骤：

获取影像文件；

提取所述影像文件中敏感区域的特征，形成所述敏感区域的特征数据；

通过监督学习算法的生成模型，计算所述特征数据的类别属于各个敏感信息类别的概率；

选择最大概率的敏感信息类别，作为所述特征数据的敏感信息类别；

至少基于用户的类型，获得对应的脱敏模型，根据所述对应的脱敏模型和所述特征数据的敏感信息类别，对所述敏感区域进行脱敏处理。

2.如权利要求1所述的医疗影像安全多阶段脱敏方法，其特征在于，

所述影像文件中敏感区域，包括；所述影像文件中敏感像素区域和敏感文本区域的特征；

所述敏感像素区域中敏感信息的类别，包括：影像敏感信息；

所述敏感文本区域中敏感信息的类别，包括：文本敏感信息。

3.如权利要求2所述的医疗影像安全多阶段脱敏方法，其特征在于，

所述影像敏感信息包括：超声机器型号信息和超声机器品牌信息；

所述文本敏感信息包括：病患个人信息、诊断信息、研究信息和标注信息。

4.如权利要求2所述的医疗影像安全多阶段脱敏方法，其特征在于，所述根据所述对应的脱敏模型和所述特征数据的敏感信息类别，对所述敏感区域进行脱敏处理，包括：

当确定所述敏感信息类别属于影像敏感信息时；

根据所述对应的脱敏模型和所述特征数据的敏感信息类别，对所述敏感区域经过脱敏算法进行脱敏处理；

更改所述敏感像素区域中各个像素的像素值。

5.如权利要求2所述的医疗影像安全多阶段脱敏方法，其特征在于，所述根据脱敏模型和所述特征数据的敏感信息类别，对所述敏感区域进行脱敏处理，包括：

当确定所述敏感信息类别属于文本敏感信息时；

根据所述对应的脱敏模型和所述特征数据的敏感信息类别，对所述敏感区域经过脱敏算法进行脱敏处理；

加密所述敏感文本区域中出现的文字数据。

6.如权利要求1所述的医疗影像安全多阶段脱敏方法，其特征在于，所述通过监督学习算法的生成模型，计算所述特征数据的类别属于各个敏感信息类别的概率，包括：

预先训练朴素贝叶斯分类器；

根据所述朴素贝叶斯分类器，计算所述特征数据的类别属于各个敏感信息类别的概率。

7.如权利要求6所述的医疗影像安全多阶段脱敏方法，其特征在于，所述预先训练朴素贝叶斯分类器，包括：

提供海量的影像文件；

提取所述影像文件中敏感区域的特征形成训练集；

基于训练集，分别计算出各类敏感信息出现的先验概率P(y_n)；

计算出训练集中，出现各类敏感信息的敏感区域的概率P(x丨y_n)；

计算出训练集中，出现敏感区域的概率P(x)；

根据朴素贝叶斯推断，预估出敏感区域中出现各类敏感信息的后验概率F(y_n丨x)，

8.如权利要求1所述的医疗影像安全多阶段脱敏方法，其特征在于，所述根据所述对应的脱敏模型和所述特征数据的敏感信息类别，判断是否对所述敏感区域进行脱敏处理，之后包括：

将脱敏后的影像文件按照DICOM文件转换算法转换成脱敏DICOM格式的影像文件。

9.如权利要求1所述的医疗影像安全多阶段脱敏方法，其特征在于，所述用户类型至少包括算法工程师、医生或患者。

10.一种医疗影像安全多阶段脱敏系统，其特征在于，包括：

获取模块，所述获取模块用于获取影像文件；

特征提取模块，所述特征提取模块用于提取所述影像文件中敏感区域的特征，形成所述敏感区域的特征数据；

脱敏分类模块，所述脱敏分类模块用于通过监督学习算法的生成模型，计算所述特征数据的类别属于各个敏感信息类别的概率；选择最大概率的敏感信息类别，作为所述特征数据的敏感信息类别；

脱敏模块，所述脱敏模块用于基于用户的类型，获得对应的脱敏模型，根据所述对应的脱敏模型和所述特征数据的敏感信息类别，对所述敏感区域进行脱敏处理。