Medikal Dicom Görüntüler için Steganografi Uygulaması

Medikal Dicom Görüntüler için Steganografi Uygulaması R. Karakış, İ. Güler Özet Dicom (Digital Imaging and Communications in Medicine) medikal görüntülerin arşivlenmesi ve paylaşılması için geliştirilen bir standarttır. Diğer görüntü dosya formatlarından farklı olarak başlık kısmında hastaya ait kişisel bilgiler(ad, soyad, yaş, ağırlık, medikal özgeçmiş gibi), cihaz bilgisi ve görüntü bilgileri bulunmaktadır. Dicom verileri saklanırken ve iletilirken, kişisel verilerin güvenliği sağlanmalıdır. Bu sebeple, bu çalışmada Dicom uzantılı manyetik rezonans görüntüleri (MRG) kullanılarak görüntü steganografi uygulaması gerçekleştirilmiştir. Hastaya ait kişisel bilgiler önce 128 bitlik anahtar ile şifrelenmiştir. Görüntü piksellerinin gri seviye benzerlikleri, en az ağırlıklı bitlerin (LSB) seçilmesi için kullanılmıştır. Şifrelenen veriler seçilen görüntü piksellerinin en az ağırlıklı bitleri ile değiştirilerek görüntü içerisine gizlenmiştir. Anahtar Kelimeler Dicom, benzerlik, en az ağırlıklı bit-lsb, steganografi, Abstract Dicom (Digital Imaging and Communications in Medicine) is a standard for storing, and transmitting information in medical imaging. Dicom is different from other file formats, because it has patients personal data (name, surname, age, weight, medical history etc.), device information and image information in the file header. The security of patient s personal data should be provided for storing and transmitting Dicom data. In this study, an application of image steganography is performed with using Dicom Magnetic Resonance Images (MRIs). The patient s personal data are encrypted with using a 128-bit key. Gray levels similarities of image pixels are used to select the least significant bits (LSB). The bits of encrypted data are changed with the least significant bits of selected pixels are hidden in Dicom image file. Index Terms Dicom, similarity, least significant bit- LSB, steganography. D I. GİRİŞ icom(digital Imaging and Communications in Medicine) medikal görüntülerin elde tutulması, kayıt edilmesi, yazdırılması ve iletilmesi için geliştirilen bir standarttır [1-3]. Nema(National Electrical Manufacturers Association) Rukiye Karakış, Gazi Üniversitesi, Bilişim Enstitüsü, Elektronik ve Bilgisayar Eğitimi Bölümü, Ankara/ Türkiye (Tel: 0312-2028580; e-mail: rukiyekarakis@gazi.edu.tr). İnan Güler, Gazi Üniversitesi, Teknik Eğitim Fakültesi, Elektronik ve Bilgisayar Eğitimi Bölümü, 06500 Teknikokullar, Ankara/ Türkiye (Tel: 0312-2028563; Fax: 0312-2120059; e-mail: iguler@gazi.edu.tr). tarafından, NEMA standartı (PS3) ve ISO standardı (12052:2006) kullanılarak geliştirilmektedir. Dicom, görüntü arşivleme ve haberleşme sistemleri (PACS-Picture Archiving and Communication System) içinde tarayıcılar, yazıcılar, ana bilgisayarlar ve diğer network donanımları ile uyumlu olarak çalışabilmektedir. Diğer görüntü dosya formatlarından farklı olarak başlık kısmında hastaya ait kişisel bilgiler(ad, soyad, yaş, ağırlık, medikal özgeçmiş gibi), cihaz bilgisi ve görüntü bilgileri bulunmaktadır. Görüntü kısmında ise MR (Manyetik Rezonans), BT (Bilgisayarlı Tomografi), Röntgen gibi farklı medikal görüntüleri depolamaktadır. Dicom dosyaları, ticari ya da bedava olan yazılımlar (MRIcron, MRIcro, MicroDicom, 3DSlicer vs.) ile kolaylıkla incelenebilmektedir. Dicom dosyalarının arşivlenmesi ve iletilmesi aşamalarında hastaya ait kişisel verilerin güvenliğinin sağlanması gerekmektedir [1-6]. Bu verilerin yasadışı yollarla ele geçirilmesi veya değiştirilmesi hem hastanın kişisel haklarının ihlal edilmesine hem de tedavi sürecinin seyrinin değişmesine sebep olabilir [7]. Son yıllarda hasta kişisel verilerinin şifrelenerek ya da steganografi yöntemleri kullanılarak arşivlenmesi ve iletilmesi ile ilgili literatürde pek çok çalışma bulunmaktadır [4-20]. Bu çalışmanın da konusu olan steganografi, sayısal medya ortamlarında (ses, video, görüntü dosyası) üçüncü şahısların haberi olmayacak şekilde, verilerin gizlenmesini araştırmaktadır [21-23]. İnsan görme sistemi görüntü dosyalarında yapılan küçük değişimleri fark edememektedir. Steganografi ile insandaki bu eksiklikten yararlanılarak dosyaların başlıkları, boşluk kısımları, sıkıştırma sonrasında açılan boşluk kısımları ya da dosyanın ham verisi içerisine, istenilen verilerin gizlenilmesi sağlanmaktadır [21-22]. Görüntü steganografisinde, görüntü medya elamanı içerisine metin ya da diğer medya elemanları saklanabilmektedir. Bunun için literatürde görüntü uzayı ve dönüşüm uzayı tabanlı yöntemler kullanılmaktadır [21-23]. Görüntü uzayı yöntemleri, gizlenecek mesaj bitlerini, görüntünün seçilen piksellerinin en az ağırlıklı bitleriyle (Least Significant Bit- LSB) değiştirirler [21]. Dönüşüm uzayı tabanlı yöntemler, görüntü verisini frekans uzayına dönüştürüp, veriyi bu uzayda saklarlar [21-22]. Ancak dönüşüm uzayı tabanlı yöntemlerde, görüntü uzayı yöntemlerine göre daha az miktarda veri gizlenmektedir. Son yıllarda medikal veri tabanlarında, verilerin güvenlik ve gizliliğini sağlamak için pek çok yöntem önerilmiştir [4-19]. Elektrokardiyografi (EKG) sinyallerinin içerisinde [20] ya da PET (Pozitron Emisyon Tomografisi) görüntülerinde EKG ve 340

kişisel verilerin saklanması gibi çalışmalar dikkat çekicidir [10]. Literatürde, Dicom verilerin güvenliği içinde dönüşüm tabanlı steganografi yöntemlerinden de yararlanılmıştır. Li ve arkadaşları [7] yaptıkları çalışmada mamografi görüntüleri içerisinde hasta bilgilerini şifreleyerek damgalama teknikleri ile saklamışlardır. Jiao ve arkadaşı [11] X-ray görüntülerinde ayrık cosinüs dönüşümü yöntemini kullanarak, hasta kişisel verilerini görüntü içerisine gizlemişlerdir. Fakhari ve arkadaşları [13] genetik ve karınca koloni algoritmaları ile damgalama tekniğini birleştirmişlerdir. Görüntü tabanlı steganografi yöntemleri, Dicom görüntü dosyaları üzerinde daha fazla miktarda verinin gizlenmesini sağlamaktadır [6-10]. Mortazavian ve arkadaşları [6] LSB yöntemi geliştirerek en az ağırlıklı bitlerin görüntü pikselleri arasından sıralı seçilmeden verilerin gizlenmesini sağlamışlardır. Doğan ve arkadaşları [8] hasta bilgilerinin önce sıkıştırılmasını ve görüntü piksellerinin LSB leri ile bu bilgilerinin yer değiştirilmesini sağlamışlardır. Raul ve arkadaşları [10] görüntü içerisinde LSB lerin seçimi için 3x3 ve 5x5 lik bloklar kullanmışlar ve piksellerin varyansları gibi farklı istatistiksel özelliklerini hesaplayıp, belli bir eşik değerinin üzerinde olan LSB lerin seçilmesini sağlamışlardır. Bu çalışmada, medikal Dicom formatlı görüntü verilerinde yer alan kişisel bilgilerin kolaylıkla elde edilmesinin engellenmesi amaçlanmaktadır. Bu sebeple, 3 adet 512x512 Dicom MR görüntüsüne (beyin, diz ve omuz) ait kişisel bilgiler önce 128 bitlik anahtar aracılığıyla XOR(eXclusive OR-özel veya) algoritması ile şifrelenerek verilerin ele geçirilmesine dayanıklı hale getirilmiştir. Görüntüde yer alan her pikselin 3x3 lük blokta etrafındaki piksellere göre gri seviye renk benzerliği belirlenmiştir. Bu benzerlik değeri belli bir benzerlik eşik değerinin üzerinde ise şifrelenen verilerin bitleri ile bu pikselin en az ağırlıklı bitleri yer değiştirilmiştir. Dicom görüntünün başlık kısmından ise kişisel veriler silinmiştir. Çalışmanın 2. bölümünde genel bilgiler, 3. bölümde geliştirilen yöntem ile ilgili bilgiler verilmiştir. 4. bölümde uygulama sonuçları gösterilmiştir ve 5. bölümde tartışma sunulmuştur. II.GÖRÜNTÜ STEGANOGRAFİ Görüntü steganografi, görüntülerin içerisinde diğer medya ortamlarına ait verileri gizlemeyi sağlamaktadır. Görüntü steganografi sistemi Şekil 1 de gösterilmektedir. Steganografi de araç olarak kullanılan gizleme ortamına örtü resim, oluşan ortama da stego-görüntü ya da stego-nesnesi denilmektedir. Gizlenecek mesajın şifrelenmesi için bir steg-anahtar kullanılmaktadır. Gizleme fonksiyonu, görüntü içerisine verilerin gizlenmesini sağlamaktadır. Bunun için verinin saklanacağı taşıyıcı ortam(stego-resim) ve gizlenecek veri olmak üzere iki parametreyi kullanmaktadır [21-23]. Steganografide, gizleme fonksiyonu olan yöntemlerden biride, basit ve en yaygın kullanılan en az ağırlıklı bite (LSB) şifreleme yöntemidir. Burada, görüntüyü oluşturan her pikselin her byte ının en az ağırlıklı biti olan son biti, o bitin yerine gizlenmesi istenilen verinin bitleri ile sırasıyla, verinin başlangıcından itibaren birer birer değiştirilmektedir. Bitlerin seçimi resmin başından ya da sonundan olmak üzere sıralı bir şekilde yapılabileceği ya da bir rastgele fonksiyon aracılığıyla gerçekleştirilebilmektedir [21-23]. Örtü (Resim) X Mesaj M Steg-Anahtar K f(x,m,k) Gizleme Fonksiyonu Stego-Resim Z Şekil 1. Görüntü dosyaları için bir steganografik şifreleme sistemi [23]. Ancak LSB yöntemi veriyi elde etme işlemleri için kuvvetli ve dirençli değildir. Bu sebeple, gizli anahtarlar kullanılarak bu yöntem güçlendirilmektedir. Steganografik anahtarlar; mesajı resmin içine gizleme ve tekrar elde etme işlemini kontrol etmek için, kriptografik anahtarlar ise mesajın resmin içine gizlenmeden önce şifrelenmesi ve daha sonra çözülmesi için kullanılmaktadır [21-23]. LSB yönteminde; gri-seviye görüntülerde her piksel 0 (siyah) ile 255 (beyaz) arasında tam sayı değer alabilen 1 bayt ile temsil edilmektedir. Bu piksellerin ilk bitleri, mesaj bitleri ile değiştirilmektedir. 24 bit resimlerde ise bir piksel başına 3 byte kullanmaktadır. Her pikselin rengi Kırmızı (red), Yeşil (green), Mavi (blue) olmak üzere üç ana renkten elde edilmektedir. Böylelikle, pikselin her byte ın son biti değiştirilmek suretiyle bir pikselde 3 bitlik bilgi saklanabilmektedir [21-23]. A. DICOM (Digital Imaging and Communications in Medicine) Dicom dosya yapısı temelde iki kısımdan oluşmaktadır. İlk kısımda hasta, enstitü, doktora ait verilerle birlikte, görüntüye ait kayıt türü, format, çekim özellikleri gibi veriler tutulmaktadır. İkinci kısımda görüntü piksel verileri ya da medikal film, ses verileri de saklanabilmektedir [1, 3]. Dicom dosyasının ikili yapısına bakıldığında ise 4 farklı alan mevcuttur. Bunlar; 128 byte lık boş tutulan açıklama alanı olan önsöz (Preamble), Dosyanın bir DICOM dosyası olduğunu belirten ön bildirim alanı ön ek (Prefix), Dicom etiketleri ve etiketler ile birlikte gelen verileri içeren veri elemanları (Data Elements) ve resim bilgisinin saklandığı piksel verisi (Pixel Data) alanlarıdır [1, 3]. Dicom dosyaları üzerinde okuma ve yazma onaltılık sayı sistemi ile yapılmaktadır. Mevcut tüm bilgiler önceden tanımlı bir ön ek ile birlikte dosya içerisinde tutulmaktadır. Her veri elemanının kendi içinde tanımlanmış bir standart yapısı vardır. Her veri elemanı, Dicom etiket (tag), değer temsili (value representation VR), değer uzunluğu (value length - VL) ve değer alanına sahiptir (value field - VF) [1, 3]. 341

III. GELİŞTİRİLEN YÖNTEM Bu çalışmada, medikal görüntü steganografi için 3 farklı 512x512 Dicom MR görüntüleri (beyin, diz ve omuz), örtü görüntü olarak kullanılmıştır [24]. Görüntü piksel data alanına, hastaya ait kişisel veriler (Patient Name, Patient ID, Patient Birth Date, Patient Sex, Patient Age, Patient Weight, Patient Address, Study Date, Study Time, Study ID, Study Modality, Study Description, Series Date, Series Time, Series Description) gizlenmiştir. Uygulama için Microsoft Visual Studio.Net 2010 platformunda bir ara yüz tasarlanmıştır. Şekil 2 ve Şekil 3 de veri gizleme ve elde etme aşamaları görülmektedir. Veri gizleme işleminde, öncelikle kişisel bilgiler Dicom başlık kısmından okunarak mesaj oluşturulmaktadır. Ardından elde edilen mesaj ile mesaj uzunluğu birleştirilmektedir. Sonrasında, mesaj kullanıcının girdiği şifreden üretilen 128 bitlik bir anahtar aracılığıyla XOR algoritması kullanılarak şifrelenmektedir. Anahtarın her baytı ile gizli mesajın baytlarındaki tüm bitler karşılıklı olarak özel veya (XOR) işlemine tabii tutulmaktadır. XOR un girişleri aynı olduğunda (0 0 ya da 1 1) çıkış 0, girişleri farklı (0 1 ya da 1 0) olduğunda ise çıkış 1 dir [21]. XOR ile şifrelenen mesajın görüntü içinde benzerlik tabanlı LSB yöntemi ile seçilen piksellere gizlenmektedir [21]. Örtü Görüntüyü Seç Mesajı Oluştur Şifreleme Anahtarını Belirle Benzerlik Tabanlı Gizleme Algoritması 1-Mesaj ile mesajın uzunluğunu birleştir. 2-Mesajı anahtar ile XOR kullanarak şifrele. 3-Her pikselin etrafındaki 3x3 lük blokta komşularının gri seviyelerine göre benzerliği hesapla. 4-Bu benzerlik değeri benzerlik eşik değerinden büyük ise; Mesaj bitleri ile piksellerin bitlerini değiştir. Stego- Görüntü Oluştur Görüntüleri Karşılaştır Şekil 2. Görüntü dosyalarına, verinin benzerlik tabanlı LSB yöntemi ile şifrelenerek gizlenmesi. Şekil 3 te görüldüğü gibi veri elde etme aşamasında, stego-görüntünün piksellerinin 3x3 lük blokta komşuları ile gri seviye farkına göre benzerliği hesaplanmaktadır. Benzerlik eşik değerinin üzerindeki piksellerden bir benzerlik matrisi oluşturulmaktadır. Matris içindeki ilk dört pikselden mesajın uzunluğu elde edilmektedir. Gelen şifreli mesajın kullanıcının ara yüzden girdiği anahtar ile XOR algoritması kullanılarak çözülmesi sağlanmaktadır. Elde edilen uzunluk değerine göre benzerlik matrisinden piksel seçilmektedir ve bu piksellerin ilk bitlerindeki veriler bir araya getirilmektedir. Toplanan şifreli veri tekrar XOR algoritması ile çözülmektedir ve kullanıcıya gösterilmektedir. Stego- Görüntüyü Seç Şifreleme Anahtarını Gir Benzerlik Tabanlı LSB ile Veri Elde Etme Algoritması 1-Gri seviye bileşenlerine bakılarak piksellerin benzerlik değerlerini hesapla 2-Benzerlik eşik değerine göre benzerlik matrisini oluştur. 2-Mesaj uzunluğunu matristen çıkar ve şifreleme algoritması ile çöz. 3- Mesaj uzunluğu kadar benzerlik matrisindeki piksellerdeki veriyi al ve XOR ile çöz. Şekil 3. Kişisel hasta verilerinin, benzerlik tabanlı LSB yöntemi ile elde edilmesi. A. Benzerlik Tabanlı LSB Yöntemi Bu çalışmada benzerlik tabanlı LSB Yöntemi, hastaların kişisel verilerini gizlemek için Dicom görüntülerin en uygun piksellerinin seçilmesinde kullanılmıştır. Geliştirilen yöntemde, görüntüdeki her pikselin renk bileşen değerleri ile komşu piksellerin renk bileşenleri kıyaslanmaktadır. Hesaplanan değerlerden yola çıkılarak piksellerin benzerlik matrisi oluşturulmaktadır. Bu matris içinde yer alan pikseller ise veri gizlemede kullanılmaktadır. Şekil 4 te görüntüdeki piksellerin komşulukları gösterilmektedir. P 1 P 2 P 3 P 4 P9 P 5 P 6 P 7 P 8 Şekil 4. Renkli görüntüdeki komşu renk pikselleri [21, 25]. Görüntülerdeki P 1 ve P 2 piksellerinin, renk bileşenlerinin gri seviye farkı; Eşitlik 1, 2 ve 3 kullanılarak elde edilmektedir (K: kırmızı, Y: yeşil, M: mavi) [21, 25]. K K (1), 1 K,2 Y Y (2), 1 Y,2 M M (3), 1 M,2 İki renk bileşeni arasındaki uzaklık Öklid norm ile Eşitlik 4 e göre hesaplanmaktadır [21, 25]. 1 2 Mesajı Gönder 2 2 d i, j ( K Y M ) 3 (4) İki piksel arasındaki benzerlik Eşitlik 5 ve 6 ile elde edilmektedir [21, 25]. d xi x ij j S1 ( xi, x j ) 1 1 Dn D (5) n D n normalizasyon katsayısını ifade etmektedir [21, 25]. Benzerlik değerleri hesaplanan görüntü pikselleri arasında, benzerlik eşik değeri S E=0.50 üzerinde olanlar LSB yöntemi 342

için seçilmiştir [25]. Pikselin en önemsiz biti ile mesajın biti yer değiştirilmiştir. B. İstatistiksel Karşılaştırma Yöntemleri Çalışmada, örtü görüntü ile stego-görüntü arasındaki ilişkiyi belirlemek için hataların kareleri ortalaması (Mean square error-mse) ve uç sinyalin gürültüye oranı (Peak signal to noise ratio-psnr) değerleri kullanılmıştır [21]. Ayrıca insan görme sisteminden (Human Visual System-HVS) esinlenilerek geliştirilen PSNR-HVS yöntemi ile de görüntüler arasındaki ilişki belirlenmiştir [21, 26-27]. MSE fonksiyonu Eşitlik 6 da verilmiştir. M 1N 1 1 2 MSE ( f ( xi, y j ) g( xi, y j )) (6) MN i 0 j 0 Eşitlik 6 daki M ve N, görüntünün boyutlarını, f(x,y) ve g(x,y) örtü ve stego görüntülerini ifade etmektedir. PSNR fonksiyonu ise Eşitlik 7 te verilmiştir. piksellerinin içerisinde gizlenmesi ve böylelikle güvenli hale getirilmesi sağlanmıştır. 255X 255 PSNR 10log( ) (7) MSE IV. SONUÇ Çalışmada kullanılan Dicom MR örtü görüntüleri ve hastaların kişisel verileri gizlendikten sonra elde edilen stego Dicom görüntüler Şekil 5 te görülmektedir. Benzerlik tabanlı LSB yöntemi ile oluşan görüntüler arasında gözle görülebilir bir fark bulunmamaktadır. Tablo 1 de gri seviye örtü ve stego Dicom görüntülerinin MSE, PSNR ve PSNR-HVS değerleri verilmiştir. MSE değerleri tüm görüntüler için 0,99-1,1 arasında elde edilirken, PSNR değerleri ve 71,0-73,5 arasında değişmiştir. Şekil 6 da görüldüğü gibi PSNR-HVS değerleri 71,0-72,5 arasında hesaplanmıştır. Elde edilen sonuçlara göre benzerlik tabanlı LSB yöntemi düşük MSE ve yüksek PSNR ve PSNR-HVS değerleri elde etmiştir. a) b) Şekil 5. a) Örtü Dicom görüntü b) Stego Dicom görüntü. TABLO I GRİ SEVİYE STEGO VE ÖRTÜ GÖRÜNTÜLERİNİN KARŞILAŞTIRMASI Dicom Görüntüler MSE PSNR Beyin 0,99926 72,52482 Omuz 0,99916 71,50442 Diz 1,00006 73,42660 Şekil 6. Gri seviye stego ve örtü görüntülerinin PSNR-HVS karşılaştırması V.TARTIŞMA Bu çalışmada medikal Dicom görüntülerde yer alan hastalara ait kişisel bilgilerin saklanma ve iletilme esnasında karşılaşılan güvenlik sorununun çözülmesi amaçlanmıştır. Bu sebeplerle görüntü steganografi kullanılarak kişisel verilerin Dicom dosyalarının başlık kısımlarından silinerek görüntü piksellerinin içerisinde gizlenmesi ve böylelikle güvenli hale getirilmesi sağlanmıştır. Görüntü steganografisinde yaygın olarak kullanılan LSB yönteminin güçlendirilmesi için görüntüdeki piksellerin gri seviye benzerliklerine bakılarak seçilmesi sağlanmıştır. Hasta kişisel bilgilerinin görüntü içinden elde edilmesini engellemek için, mesaj 128 bitlik bir anahtar ile XOR algoritması kullanılarak şifrelenmiştir. Stego 343

ve örtü Dicom görüntüler kıyaslandığında, geliştirilen yöntem düşük MSE ve yüksek PSNR ve PSNR-HVS değerleri elde etmiştir. VI. TEŞEKKÜR Bu çalışma Gazi Üniversitesi BAP birimi tarafından desteklenmiştir (Proje No: 07/2012-45). KAYNAKLAR [1] Internet: Dicom, http://en.wikipedia.org/wiki/dicom, [En Son Erişim Tarihi: 29.07.2014]. [2] Internet, Dicom, http://medical.nema.org/, [En Son Erişim Tarihi: 29.07.2014]. [3] M. Ulaş, A. Boyacı, DICOM Görüntü Standardı, Akademik Bilişim 07 - IX. Akademik Bilişim Konferansı Bildirileri, 31 Ocak - 2 Şubat 2007 Dumlupınar Üniversitesi, Kütahya, 69-74 (2007). [4] B. A. Usha, N. K. Srinath, A. Nanjangud, A. M. Deshpande, A. Rebello, A Survey on Patient Information Protection Using Cryptographic and Data Hiding Techniques, International Journal of Advanced Research in Computer and Communication Engineering, 3 (4): 6334-6336 (2014). [5] R. Acharya U., P. S. Bhat, S. Kumar, L. C. Min, Transmission and storage of medical images with patient information, Computers in Biology and Medicine 33: 303-310 (2003). [6] P. Mortazavian, M. Jahangiri, E. Fatemizadeh, A Low-Degradation Steganography Model for Data Hiding in Medical Images, Proceeding of the Fourth IASTED International Conference Visualization, Imaging, and Image Processing, 914-920 (2004). [7] Y. Li, C.-T. Li, C.-H. Wei, Protection Of Mammograms Using Blind Steganography and Watermarking, Information Assurance and Security, IAS 2007. Third International Symposium on, 496-500 (2007). [8] F. Doğan, E. A. Güzeldereli, Ö. Çetin, Medikal görüntü içerisine tıbbi bilgilerin gömülmesi için yeni bir yaklaşım, SAÜ. Fen Bil. Der. 17. Cilt, 2. Sayı, s. 277-286, 2013. [9] S. Öksüzoğlu, Radyografik Görüntülere Veri Gizleme Uygulaması, Elektrik-Elektronik-Bilgisayar ve Biyomedikal Mühendisliği 13. Ulusal Kongresi ve Fuarı, 2009. [10] R.-C. Raúl, F.-U. Claudia, T.-B. Gershom de J., Data Hiding Scheme for Medical Images, 17th International Conference on Electronics, Communications and Computers (CONIELECOMP'07),1-7 (2007). [11] M.S. Nambakhsh, A. Ahmadian, H. Zaidi, A contextual based double watermarking of PET images by patient ID and ECG signal, Comput. Methods Programs Biomed. 104 (3): 418-25 (2011). [12] S. Jiao, R. Goutte, Secure Transfer of Identification Information in Medical Images by Steganocryptography, Int. J. Communications, Network and System Sciences, 3, 801-804 (2010). [13] M. Ulutas, G. Ulutas,, V. V. Nabiyev, Medical image security and EPR hiding using Shamir's secret sharing scheme, Journal of Systems and Software, 84 (3): 341-353 (2011). [14] P. Fakhari, E. Vahedi, C. Lucas, Protecting patient privacy from unauthorized release of medical images using a bio-inspired waveletbased watermarking approach, Digital Signal Processing, 21: 433 446 (2011). [15] R. Acharya U., U.C. Niranjan,, S.S. Iyengar, N. Kannathal, L. C. Min, Simultaneous storage of patient information with medical images in the frequency domain, Computer Methods and Programs in Biomedicine, 76: 13-19 (2004). [16] D.-C. Lou, M.-C. Hu, J.-L. Liu, Multiple layer data hiding scheme for medical images, Computer Standards & Interfaces, 31: 329 335(2009). [17] W. Puech, Image Encryption and Compression for Medical Image Security, Image Processing Theory, Tools and Applications, 2008. IPTA 2008. First Workshops on, 1-2 (2008). [18] V. Pandey, A. Singh, M. Shrivastava, Medical Image Protection by Using Cryptography Data-Hiding and Steganography, International Journal of Emerging Technology and Advanced Engineering, 2 (1): 106-109 (2012). [19] V.Pandey, M. Shrivastava, Secure Medical Image Transmission using Combined Approach of Data-hiding, Encryption and Steganography, International Journal of Advanced Research in Computer Science and Software Engineering, 2 (12): 54-57 (2012). [20] L. Keerthana, Mr. B. Venkataramanaiah, M. E, ECG Steganography Based Privacy Protection of Medical Datas for Telemedicine Application, OSR Journal of VLSI and Signal Processing (IOSR- JVSP), 4(2):46-51 (2014). [21] R. Karakış, I. Güler, An Application of Fuzzy Logic-Based Image Steganography, Signal Processing and Communications Applications Conference (SIU), 2014 22nd, 156-159 (2014). [22] A. Cheddad, J. Condell, K. Curran, P. McKevitt, Digital image steganography: Survey and analysis of current methods, Signal Processing, 90: 727 752 (2010). [23] E. T. Lin, E. J. Delp, A review of data hiding in digital images, IS and TS PICS Conference (1999). [24] Internet, Dicom Dataset, http://www.osirix-viewer.com/datasets/, [En Son Erişim Tarihi: 29.07.2014]. [25] Demirci R., Similarity relation matrix-based color edge detection, Int. J. Electron. Commun. (AEÜ) 61: 469 477 (2007). [26] K. Egiazarian, J. Astola, N. Ponomarenko, and V. Lukin, F. Battisti, M. Carli, New full-reference quality metrics based on HVS, Proc. of the II. International Workshop on VPQM, 4 p (2006). [27] Internet: TID2008, http://www.ponomarenko.info/tid2008.htm, [En Son Erişim Tarihi: 29.07.2014]. R. Karakış, 1980 yılında Sivas ta doğdu. 2002 yılında Ondokuz Mayıs Üniversite sinden Bilgisayar ve Öğretim Teknolojileri Öğretmenliği bölümünden mezun oldu. 2009 yılında Gazi Üniversitesi Bilişim Enstitüsü Elektronik ve Bilgisayar Eğitimi Bölümü nden yüksek lisans derecesini aldı. Aynı bölümde halen doktora eğitimine devam etmektedir. Genel çalışma alanı medikal görüntü işleme, optimizasyon teknikleri ve programlamadır. İ. Güler, 30.06.1956 tarihinde Düzce'de doğdu. 1981'de Erciyes Üniversitesi Mühendislik Fakültesinde Lisans, 1985'de ODTÜ'de Yüksek Lisans, 1990'da İTÜ'de doktora çalışmasını yaptı. 1993' de Doçent ve 1999 da Profesör oldu. Çoğunluğu yurtdışında olmak üzere 250 nin üzerinde makalesi yayınlandı. 1997 de New York Academy of Science, 1998 yılında ise American Association for the Advancement of Science üyeliklerinde bulundu. Evli ve iki çocuk babasıdır. 344