《Big Data and Cognitive Computing》：Map-Assisted Lung-Aware Carrier Selection for Chest-Radiograph Watermarking: A Fixed-Configuration Cross-Dataset Evaluation
编辑推荐：
胸片水印需要在保留载荷恢复的同时将改动限制在肺野内。研究人员在与宿主图像无关的变换域框架中评估了三种配对载体选择策略：Global、参考掩膜引导的GT-RONI和U-Net引导的AI-RONI。在Japanese Society of Radiological
胸片水印需要在保留载荷恢复的同时将改动限制在肺野内。研究人员在与宿主图像无关的变换域框架中评估了三种配对载体选择策略：Global、参考掩膜引导的GT-RONI和U-Net引导的AI-RONI。在Japanese Society of Radiological Technology (JSRT)数据集上固定112比特消息、码率1/3信道编码、嵌入强度和译码器，并不经重新调整地迁移至138幅Montgomery胸片。与Global相比，AI-RONI在内部将参考肺野均方误差降低51.9%，在外部降低45.7%。无攻击精确恢复在内部为20/20（95% Wilson区间83.9–100.0%），外部为84/138（60.9%）；GT-RONI外部为60.1%。受控替换刻画了保真度与恢复之间的平衡：奇异值分解的系数对替代方案在外部无攻击精确恢复达到100.0%，但在三种测试处理操作下恢复为零；省略离散余弦Stockwell变换则影响很小。重复高斯噪声和载体图损坏测试进一步刻画了译码器的敏感性。该框架为跨图像源联合评估解剖暴露和载荷传递提供了受控基础。
数字水印（digital watermarking）被用于将辅助信息嵌入医学图像，以应对患者信息分离、来源不清和内容被篡改等风险。然而，仅能成功提取载荷并不代表临床可接受：水印可能在可恢复的同时改变诊断相关像素，而全图保真度指标如峰值信噪比（peak signal-to-noise ratio, PSNR）和结构相似度（structural similarity index, SSIM）可能掩盖受保护解剖区域内的局部失真。因此，需要将局部解剖终点与整体保真度指标结合，并在独立图像源上评估固定水印信道的迁移能力。本研究正是针对这两个缺口，在固定配置的变换域水印框架中比较三种载体选择策略：Global、参考掩膜引导的GT-RONI和U-Net预测掩膜引导的AI-RONI。
研究人员采用配对内外部设计：JSRT 8幅用于参数设计、186幅训练U-Net、33幅内部验证、20幅独立测试；Montgomery 138幅仅外部验证。固定112比特消息、CRC-16-CCITT帧、码率1/3卷积码、两级Haar DWT、LH2/HL2/LH1子带8×8块、离散余弦Stockwell变换（discrete cosine Stockwell transform, DCST）、奇异值分解（singular value decomposition, SVD）、奇偶校验量化索引调制（quantization index modulation, QIM）；提取使用固定载体图，不依赖原始宿主图像。Global、GT-RONI、AI-RONI仅载体排序规则不同。局部终点为参考肺野感兴趣区均方误差（region-of-interest mean squared error, ROI-MSE）和载体-ROI重叠；信道终点为比特错误率（bit error rate, BER）、精确恢复、循环冗余校验（cyclic redundancy check, CRC）状态、PSNR和SSIM。
### 3.1 内外部肺分割性能
U-Net仅在JSRT训练集上训练；留出JSRT平均Dice为0.9593，Montgomery为0.9224，中位数分别为0.9625和0.9555。外部均值下降主要由少数低Dice病例所致，说明解剖迁移总体保持，但少数病例可能改变载体排序。
### 3.2 无扰动下的水印保真度与解剖暴露
所有20幅JSRT在三种策略下均实现精确载荷恢复。AI-RONI相比Global使JSRT和Montgomery的参考肺ROI-MSE分别降低51.9%和45.7%，载体-ROI重叠降低65.9%和58.6%。外部无攻击精确恢复中，AI-RONI为84/138（60.9%）、GT-RONI为83/138（60.1%）、Global为100/138（72.5%）。AI-RONI与GT-RONI的ROI-MSE差异经全局Benjamini–Hochberg校正后不显著，但在两数据集上AI-RONI的载体-ROI重叠略高。
### 3.3 次级像素域压力测试
在JSRT上，AI-RONI对16位量化、两种高斯噪声、强度缩放和伽马校正保持100%恢复；对高斯模糊、缩放恢复分别降至95.0%和85.0%，对中值滤波、椒盐噪声和JPEG耐受较差。Montgomery外部恢复率整体更低，中值滤波和JPEG质量85均仅为1/138。跨全部条件，AI-RONI外部平均精确恢复比例比Global低12.91个百分点，载荷BER高0.0470。
### 3.4 CRC-16错误筛查
在6162次数据集-地图-条件评估中，CRC-16未接受任何错误消息；49次正确消息因保护帧不完整而未通过CRC，占全部评估0.80%、正确解码消息1.74%。
### 3.5 受控替换结果
省略DCST对外部无攻击恢复影响很小；以系数对特征替代SVD可使外部无攻击恢复升至138/138（100%），但在中值滤波、JPEG95和缩放恢复下均为零；空间补丁替代保真度极低；二元调制改善JPEG恢复但降低无攻击保真度；重复编码降低外部恢复至44.2%。SVD参考在部分处理条件下仍能恢复，说明特征表示决定保真度-恢复权衡。
### 3.6 重复高斯噪声
外部恢复呈非单调：16位基线下为60.14%，SD 0.0010时为69.49%，SD 0.0025时为45.41%；原始BER随噪声增加。JSRT三种地图在两种SD下均恢复全部消息。
### 3.7 载体几何与外部域差异
外部原始BER分布更宽且右移；Montgomery中原始BER与裁剪像素比例、PSNR、SSIM的相关性较强，与分割Dice相关性弱。解剖排序使载体中心距肺边界的中位距离增加。载体图损坏测试中，20%请求错误时，有效块替换保留JSRT/Montgomery条件恢复的91.0%/65.3%，坐标重指派保留55.0%/31.2%。
### 3.8 计算成本与统计敏感性
DCST+SVD平均0.435 ms/块；嵌入、提取、分割推断时间分别为0.644/0.662 s、0.374/0.375 s、0.312/0.289 s（JSRT/Montgomery）。敏感性分析显示n=20和n=138的统计功效差异明显。
讨论部分指出，肺区感知载体排序能在固定配置下降低肺野暴露，但外部恢复率低于Global，且GT-RONI与AI-RONI相似，说明信道迁移取决于所选载体系数群体，而不只是掩膜质量。数据集在输入分辨率、强度、病理构成和载体特征上的差异支持信号级解释。受控替换显示无攻击恢复不能单独作为特征选择标准。CRC-16用于意外错误筛查，不能替代带密钥认证。ROI-MSE和载体重叠仅反映像素级解剖暴露，诊断保持需任务特定验证。研究局限包括固定消息、固定工作点、有限样本量等。
研究结论：在这项配对研究中，研究人员在固定的地图辅助变换域水印框架内评估了载体图定义。在112比特载荷和码率1/3编码配置下，AI-RONI相比Global使JSRT和Montgomery的参考肺ROI-MSE分别降低51.9%和45.7%，载体-ROI重叠分别降低65.9%和58.6%，表明通过肺区感知载体排序可降低实测肺野暴露。AI-RONI在内部实现20/20无攻击精确恢复（95% Wilson区间83.9–100.0%），外部为84/138（60.9%），16位量化后为60.1%。GT-RONI的相似恢复结果和载体域诊断表明，解剖排序与信号级迁移应联合评估。受控替换结果揭示了表示依赖的保真度和恢复差异，包括系数对替代方案完全无攻击恢复与其对测试处理操作的高敏感性之间的权衡。该框架为跨异构图像源开发肺区感知水印提供了受控基础；将解剖排序与载体稳定性标准、受保护地图传输以及任务特定验证相结合，是扩展其实用适用性的路径。
