Resumen

En los últimos tiempos, la seguridad en la computación en nube se ha convertido en una parte importante de los servicios sanitarios, especialmente en el almacenamiento de datos médicos y la predicción de enfermedades. Cada día se produce un gran volumen de datos en el entorno sanitario debido al desarrollo de los dispositivos médicos. Por lo tanto, la tecnología de computación en la nube se utiliza para almacenar, procesar y manejar estos grandes volúmenes de datos de una manera altamente segura frente a diversos ataques. Este trabajo se centra en la clasificación de enfermedades utilizando el procesamiento de imágenes con un entorno de computación en la nube seguro utilizando un esquema de encriptación de imágenes en zigzag ampliado que posee una mayor tolerancia a diferentes ataques de datos. En segundo lugar, se propone un algoritmo de red neuronal convolucional difusa (FCNN) para la clasificación eficaz de las imágenes. Las imágenes descifradas se utilizan para la clasificación de los niveles de cáncer con diferentes capas de entrenamiento. Después de la clasificación, los resultados se transfieren a los médicos y a los pacientes para que sigan el proceso de tratamiento. Aquí, el proceso experimental se lleva a cabo utilizando el conjunto de datos estándar. Los resultados del experimento concluyen que el algoritmo propuesto muestra un mejor rendimiento que los otros algoritmos existentes y puede ser utilizado eficazmente para el diagnóstico de imágenes médicas.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:volumen de datos, gran volumen, red neuronal convolucional, almacenamiento de datos médicos, esquema de encriptación de imágenes, día del entorno sanitario, entorno de computación en nube, tecnología de computación en nube, capa de entrenamiento, diagnóstico de imágenes médicas
• Keywords:volume of data, large volume, convolutional neural network, medical data storage, image encryption scheme, healthcare environment day, cloud computing environment, cloud computing technology, layer of training, medical image diagnosis