🤖 machine learning

Vol-Mark: A Watermark for 3D Medical Volume Data Via Cubic Difference Expansion and Contrastive Learning

Vol-Mark es un marco novedoso de marca de agua reversible con cero para datos de volumen médico 3D que combina el aprendizaje contrastivo para la extracción robusta de características y la expansión de diferencias cúbicas para la inserción con baja distorsión, asegurando eficazmente tanto la integridad de los datos como la verificación de la propiedad frente a diversos ataques, al tiempo que preserva la precisión diagnóstica.

Autores originales: Jiangnan Zhu, Yuntao Wang, Shengli Pan, Yujie Gu

Publicado 2026-05-07

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Jiangnan Zhu, Yuntao Wang, Shengli Pan, Yujie Gu

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que tienes una escultura preciosa y tridimensional hecha de miles de bloques diminutos y brillantes (voxels). Esto no es solo una estatua; es un mapa detallado de un órgano humano, como un cerebro o un hígado, creado por escáneres médicos avanzados. En el mundo de la telemedicina, los médicos necesitan enviar estos mapas 3D a través de Internet para consultar con especialistas. Pero hay un problema: una vez que estos mapas salen del hospital, son vulnerables. Alguien podría robarlos, copiarlos sin permiso o, peor aún, cambiar sigilosamente algunos bloques para ocultar un tumor o falsificar un diagnóstico.

El artículo presenta Vol-Mark, un sistema de seguridad inteligente diseñado específicamente para proteger estos mapas médicos 3D. Piensa en Vol-Mark como un "fantasma digital" que vive dentro de la escultura, invisible a simple vista pero imposible de eliminar sin destruir la propia escultura.

Así es como funciona Vol-Mark, desglosado en conceptos simples:

1. La "Huella Digital" (Aprendizaje Contrastivo)

Primero, el sistema necesita saber qué es la escultura para poder probar quién es su propietario.

La Analogía: Imagina intentar describir un copo de nieve único. Si solo miras un lado plano, podrías pasar por alto su verdadera forma 3D. Los métodos antiguos observaban los datos médicos como una pila de fotos planas 2D (rebanadas). Sin embargo, Vol-Mark utiliza una IA especial (una ResNet-18 3D) entrenada con "aprendizaje contrastivo".
Cómo funciona: Piensa en esta IA como un escultor maestro que observa el objeto 3D completo de una sola vez. Aprende a ignorar el ruido (como la estática en un televisor) y se centra en la forma única y estable del órgano. Crea una "huella digital" (una serie de 0s y 1s) que es única para la exploración de ese paciente específico. Incluso si la imagen está ligeramente borrosa o rotada, la huella digital permanece igual.

2. El "Mensaje Secreto" (Expansión de Diferencia Cúbica)

Ahora que tenemos la huella digital, necesitamos ocultar la prueba de propiedad dentro de los datos sin alterar la imagen.

La Analogía: Imagina que tienes un grupo de cuatro amigos parados en un cuadrado (un "cubo" de voxels). Quieres ocultar una nota secreta (la marca de agua) dentro de su conversación sin que se den cuenta de que estás ahí.
Cómo funciona: Vol-Mark observa las pequeñas diferencias en "altura" (intensidad) entre estos cuatro amigos. Utiliza una técnica llamada Expansión de Diferencia Cúbica (c-DE).
- Toma la diferencia entre los amigos, la duplica (la expande) y desliza la nota secreta en el hueco.
- Como expande la diferencia, crea justo el espacio suficiente para ocultar la nota sin hacer que los amigos parezcan diferentes para un observador.
- Crucialmente, como esto se hace con matemáticas que pueden revertirse perfectamente, el sistema puede luego "encoger" la diferencia de nuevo a su tamaño original, eliminando la nota y restaurando a los amigos a sus posiciones exactas originales. Esto se llama marcado de agua reversible. Los datos médicos se restauran al 100%, píxel por píxel, después de realizar la verificación.

3. El "Doble Candado" (Verificación)

Vol-Mark no solo verifica si los datos están ahí; verifica si han sido manipulados.

Verificación de Integridad: Cuando los datos llegan, el sistema primero verifica si el "sello" está roto. Si los datos fueron alterados (como mover un bloque), el sistema lo sabe inmediatamente.
Verificación de Propiedad: Si los datos están intactos, extrae la nota oculta y la compara con el ID del propietario. Si los datos fueron manipulados, el sistema cambia a un plan de respaldo: utiliza la "huella digital" prealmacenada para probar la propiedad de todos modos, incluso si la nota oculta está dañada. Es como tener una llave de respaldo que funciona incluso si la cerradura de la puerta principal está atascada.

¿Por qué es esto especial?

La mayoría de los sistemas de seguridad para imágenes médicas son como poner una pegatina en una foto 2D. Funcionan bien para imágenes planas, pero se desmoronan cuando intentas rotar o estirar un objeto 3D.

La Ventaja 3D: Vol-Mark está construido para la tercera dimensión. Entiende que los bloques en una exploración 3D están conectados en todas las direcciones (arriba, abajo, izquierda, derecha, adelante, atrás).
El Resultado: En las pruebas, Vol-Mark sobrevivió a ataques que destruirían otros sistemas. Ya sea que alguien intentara rotar el modelo 3D, recortar una esquina, añadir ruido o comprimir el archivo, Vol-Mark mantuvo su agarre. Demostró consistentemente la propiedad con más del 90% de precisión, incluso cuando los datos estaban gravemente dañados.

Resumen

Vol-Mark es un sistema reversible y de marca de agua cero.

Reversible: Puede ocultar la prueba y luego eliminarla perfectamente, dejando los datos médicos exactamente como estaban (crucial para un diagnóstico preciso).
Marca de Agua Cero: No solo pega una marca de agua encima; genera un código único basado en los datos mismos, lo que lo hace extremadamente difícil de falsificar.
Consciente de 3D: Trata la exploración médica como un objeto 3D sólido, no como una pila de páginas planas, lo que lo hace robusto frente a ataques específicos de 3D como la rotación.

En resumen, Vol-Mark actúa como un sello invisible e inquebrantable en los datos médicos 3D, asegurando que cuando un médico recibe una exploración, sepa exactamente quién es el propietario y que nadie ha alterado secretamente el diagnóstico.

Resumen Técnico: Vol-Mark para Datos Volumétricos Médicos 3D

Declaración del Problema
La rápida adopción de datos volumétricos médicos 3D (por ejemplo, TC y RM) en telemedicina y diagnóstico ha introducido desafíos significativos de seguridad en cuanto a la integridad de los datos y la protección de la propiedad. Si bien la marca de agua es una solución estándar para imágenes médicas 2D, los métodos existentes enfrentan limitaciones críticas al aplicarse a volúmenes 3D:

Pérdida del Contexto Espacial: Muchos enfoques tratan los datos 3D como una pila de cortes 2D, lo que falla en capturar las dependencias espaciales inter-corte y los hace vulnerables a ataques específicos de 3D, como las rotaciones fuera del plano.
Fidelidad de los Datos: Los métodos de marca de agua reversible diseñados para imágenes 2D no se extienden fácilmente a datos basados en vóxeles debido a las complejas relaciones espaciales. Por el contrario, los métodos de marca de agua cero a menudo dependen de características 2D o del promediado de cortes, lo que limita su discriminabilidad y robustez.
Brechas de Seguridad: Existe una falta de métodos que ofrezcan simultáneamente recuperación de datos sin pérdidas, verificación robusta de la propiedad y resistencia a ataques geométricos e híbridos diseñados específicamente para estructuras volumétricas.

Metodología: Vol-Mark
El artículo propone Vol-Mark, un nuevo marco de marca de agua reversible-cero diseñado específicamente para datos volumétricos médicos 3D. El flujo de trabajo consta de tres fases:

Extracción de Características y Generación de la Parte Propietaria:
- Aprendizaje Contrastivo: Se emplea una columna vertebral 3D ResNet-18 (preentrenada en MedicalNet) como extractor de características. Se entrena utilizando una función de pérdida contrastiva sobre vistas aumentadas de los datos volumétricos para aprender características volumétricas discriminativas y estables que capturen las correlaciones inter-corte.
- Binarización: Los vectores de características extraídos se binarizan utilizando un umbral cero.
- Parte Propietaria (OS): La marca de agua binaria se combina con las características binarizadas y una secuencia caótica generada mediante el mapa de Henon (utilizando operaciones XOR) para crear una parte propietaria encriptada. Esto asegura que la marca de agua esté estrechamente acoplada al contenido de los datos y protegida contra la falsificación.
Incrustación Reversible (Expansión de Diferencia Cúbica - c-DE):
- Transformada Wavelet Entera 3D (3D-IWT): Los datos volumétricos originales se descomponen en sub-bandas de baja frecuencia (LLL) y alta frecuencia. La incrustación ocurre en la sub-banda LLL para preservar la integridad estructural.
- Expansión de Diferencia Cúbica: La sub-banda LLL se divide en cubos de $2 \times 2 \times 2$ . Para cada cubo, se selecciona un vóxel de referencia y sus tres vecinos. Las diferencias entre la referencia y los vecinos se expanden (se duplican) para crear espacio de incrustación.
- Incrustación: Los bits de la parte propietaria se incrustan en estas diferencias expandidas. El proceso utiliza aritmética entera e incluye una comprobación de desbordamiento/subdesbordamiento con un mapa de ubicación para garantizar una reversibilidad perfecta.
- Restauración: La 3D-IWT inversa reconstruye el volumen marcado con agua. Tras la extracción, el proceso c-DE inverso recupera los valores originales de los vóxeles exactamente, asegurando la recuperación de datos sin pérdidas.
Doble Verificación:
- Verificación de Integridad: Se calcula la Tasa de Error de Bits (BER) entre la marca de agua original y la extraída. Una BER de cero indica que los datos no han sido alterados y pueden restaurarse sin pérdidas.
- Verificación de Propiedad: Si los datos han sido manipulados (BER > 0), se realiza una prueba de hipótesis (prueba binomial) sobre los bits extraídos frente a la parte propietaria prealmacenada para verificar la propiedad con una alta confianza estadística ( $p \le 10^{-6}$ ).

Contribuciones Clave

Arquitectura Novel: Introducción de Vol-Mark, el primer esquema de marca de agua reversible-cero diseñado específicamente para datos volumétricos médicos 3D, que combina el aprendizaje contrastivo con la incrustación reversible.
Extracción de Características 3D: Desarrollo de un extractor 3D ResNet-18 basado en aprendizaje contrastivo que captura características volumétricas directamente de todo el volumen, mejorando la robustez frente a ataques geométricos 3D (por ejemplo, rotaciones fuera del plano) en comparación con los métodos basados en cortes.
Expansión de Diferencia Cúbica (c-DE): Una nueva técnica de incrustación que explota las dependencias de vóxeles 3D dentro de cubos de $2 \times 2 \times 2$ en coeficientes de baja frecuencia. Esto permite la incrustación reversible sin requisitos adicionales de almacenamiento y garantiza la recuperación perfecta de los datos.
Mecanismo de Doble Verificación: Un protocolo de verificación robusto que realiza primero comprobaciones de integridad, seguidas de verificación de propiedad mediante pruebas de hipótesis, asegurando la fiabilidad incluso bajo manipulación de datos o ataques de eliminación de marcas de agua.

Resultados Experimentales
El método fue evaluado en el conjunto de datos MSD (tareas de Tumores Cerebrales, Hígado y Páncreas) frente a ataques convencionales, geométricos e híbridos.

Reversibilidad: En condiciones sin ataque, Vol-Mark logró una reversibilidad perfecta con una BER de 0.00 y una PSNR infinita para los datos recuperados. Los datos marcados con agua mostraron alta fidelidad (PSNR promedio > 80 dB).
Robustez: Vol-Mark demostró una robustez superior frente a ruido gaussiano, ruido sal y pimienta, compresión JPEG, filtrado mediano/promedio, escalado, rotación, traslación y recorte.
- En la mayoría de los escenarios de ataque, Vol-Mark mantuvo una Precisión (ACC = 1-BER) superior a 0.90.
- Superó significativamente a las líneas base existentes (3D-DTCWT y ADCL-ZW), particularmente bajo ataques geométricos (rotación y escalado) y ataques híbridos.
- El método mostró un rendimiento consistente en diferentes estructuras anatómicas (Cerebro, Hígado, Páncreas) y formas de datos.
Resistencia a Ataques 3D: A diferencia de las líneas base que se degradan bajo rotaciones fuera del plano o escalado en el eje Z, Vol-Mark mantuvo una alta precisión debido a su extracción de características volumétricas y su estrategia de incrustación 3D.

Significado
El artículo afirma que Vol-Mark aborda la brecha crítica en la seguridad de los datos volumétricos médicos 3D para la telemedicina. Al integrar el aprendizaje contrastivo para una extracción de características robusta y c-DE para la incrustación reversible, el método asegura que los datos médicos puedan transmitirse de forma segura y verificarse en cuanto a la propiedad sin comprometer la precisión diagnóstica. La capacidad de realizar una recuperación sin pérdidas y resistir ataques 3D complejos lo convierte en una solución viable para proteger la integridad y autenticidad de los datos volumétricos médicos en entornos clínicos y de investigación del mundo real.

1. La "Huella Digital" (Aprendizaje Contrastivo)

2. El "Mensaje Secreto" (Expansión de Diferencia Cúbica)

3. El "Doble Candado" (Verificación)

¿Por qué es esto especial?

Resumen

Más como este