Today, there are risks for electronic medical data in open networks and Internet. If medical data is captured or altered, it may cause to be violated of patient's rights and to be changed treatment. Hence, the security of all patient records and especially medical images must be ensured. Cryptography and steganography techniques are used to secure medical data. In this study, two new image steganography methods are proposed to secure medical data by combining them into one file format. Hence, the Electroencephalogram (EEG) is selected as hidden data, and Magnetic Resonance (MR) images are used as the cover image. In addition to the EEG, the message is composed of the doctor's comments and patient information in the file header of images. Least significant bit (LSB) embedding is the most widely used method in the literature. It is also simple and operate more rapidly. In this study, two new image steganography methods that are based on fuzzy-logic and similarity are proposed. These methods select the non-sequential least significant bits (LSB) of image pixels and alter these selected LSBs of the pixels with the bits of the message. The similarity values of the gray levels in the pixels are used to hide the message. SM-LSB algorithm selects the LSBs of pixels to embed the message by a threshold value which is determined by trial and error. FL-LSB algorithm hides the message with selecting randomly LSB pixels without a threshold value. The message is secured to prevent attacks by using lossless compression and symmetric encryption algorithms. The performance between stego image and cover image was measured by statistical analysis methods such as mean square of error (MSE), peak signal-to-noise ratio (PSNR), structural similarity measure (SSIM), universal quality index (UQI), and correlation coefficient (R). According to the obtained result, the proposed FL-LSB method ensured both to secure medical data by combining them into one file format and to reinforce LSB embedding technique. It also ensured the confidentiality of the patient information in the file header of images, and reduces data repository and transmission capacity of both MR images and EEG signals.

Günümüzde, medikal veriler İnternet ve açık ağlarda tehlike altındadır. Medikal verilerin ele geçirilmesi veya değiştirilmesi, hasta haklarının ihlal edilmesine ve hastaların hayatlarının tehlikeye girmesine sebep olabilir. Bu nedenle, medikal verilerin ve özellikle medikal görüntülerin güvenliği sağlanmalıdır. Medikal verilerin güvenliği için kriptoloji ya da steganografi teknikleri kullanılmaktadır. Bu çalışmada, medikal verilerin tek bir ortamda birleştirilerek güvenliğinin sağlanması için iki yeni steganografi yöntemi önerilmiştir. Bu sebeple, Elektroensafolagram (EEG) gizlenecek mesaj olarak, Manyetik Rezonans (MR) görüntüleri taşıyıcı görüntü olarak kullanılmıştır. EEG'nin yanısıra mesaj, doktor yorumu ve görüntülerin başlık kısmında yer alan hasta kişisel bilgilerinden oluşturulmuştur. En az ağırlıklı bite (Least Significant Bit-LSB) veri gizleme, literatürde en çok kullanılan yöntemdir. Aynı zamanda, bu yöntem basit ve oldukça hızlıdır. Bu çalışmada, benzerlik tabanlı (Similarity-SM) ve bulanık mantık tabanlı (Fuzzy Logic-FL) iki yeni steganografi yöntemi önerilmektedir. Bu yöntemler, piksellerin LSB'lerini sıralı olmadan seçmektedir ve seçilen piksellerin LSB'leri ile mesaj bitlerini yer değiştirmektedir. Mesaj gizlemek için piksellerin gri seviyelerinin benzerlik değerleri kullanılmaktadır. SM-LSB algoritması, mesaj gizlemek için piksellerin LSB'lerini deneme-yanılma ile belirlenen bir eşik değerine göre seçmektedir. FL-LSB algoritması, sıralı olmadan seçilen piksellerin LSB'lerinde bir eşik değeri olmaksızın mesaj gizlemektedir. Mesaj, saldırıları engellemek için kayıpsız sıkıştırma ve simetrik şifreleme algoritmaları kullanılarak korunmaktadır. Taşıyıcı ve gömülü görüntülerin performansı, istatistiksel analiz yöntemleri olan hataların kareleri ortalaması (Mean Square Error-MSE), sinyalin tepe değerinin gürültüye oranı (Peak Signal to Noise Ratio-PSNR), evrensel kalite indeksi (Universal Image Quality Index-UQI), yapısal benzerlik (Structural Similarity-SSIM) ve korelasyon katsayısı (R) ile ölçülmüştür. Elde edilen analiz sonuçlarına göre FL-LSB yöntemi, LSB algoritmasını güçlendirmiş ve medikal verileri tek bir ortamda birleştirerek güvenliğini sağlamıştır. Aynı zamanda, MR görüntüleri ve EEG sinyallerinin iletim kapasitesi ve kayıt alan miktarları azaltılmıştır ve MR görüntülerinin başlık kısımlarındaki hastaların kişisel bilgilerinin güvenliği de sağlanmıştır.