无缝交易的进步和电子健康记录（EHR）的引入在医疗应用的可访问性和效率方面带来了显著的好处[1,2]。借助这些改进，通过利用医学成像技术，各种疾病的识别已经实现了数字化[3]。向医学成像技术（如计算机断层扫描（CT）的转变以及医疗记录的数字化促进了医疗图像的传输，以便于诊断。图像可以以联合图像专家组（JPEG）或便携式网络图形（PNG）的形式传输，以进行进一步的治疗计划[4]。然而，医疗图像无法充分匿名化或伪匿名化来保护患者隐私，这存在多个缺点。在远程医疗中，医生使用医院内网或互联网交换医疗图像和其他医疗数据，包括电子健康记录（EHR）[5]。在这样的传输过程中，攻击者可能会截获并篡改EHR和医疗图像，从而危及患者隐私或诊断过程。因此，在发送医疗数据时，确保数据的机密性、完整性和真实性至关重要[6,7]。此外，原始数据的微小变化或修改可能导致误诊，给患者带来潜在风险[8]。特别是，医学数据（如双平面视频放射成像）可以量化临床相关参数的微小变化，包括关节位置/平移、肩峰下空间或肱骨的接触路径[9]。因此，医疗数据的安全性和隐私性对医疗机构的存储和交易有着重要影响。已经采取了多种措施来维护安全性，其中加密技术是大规模传输的关键技术之一[10]。
图像加密涉及将原始图像修改为适合传输的随机加密形式。对于医疗图像安全，加密技术尤其是对称加密技术使用块密码和流[11,12]。在加密方案中，希尔密码和扰动技术被广泛使用，这些技术通过排列每个像素来生成新的像素坐标。通过重复新生成的坐标获得加密图像，以保持相似性[13]。传统的加密技术是有效的安全手段，但由于视觉数据像素数量庞大，这些技术变得不切实际，导致过程非常繁琐[14,15]。信息隐藏技术可以隐藏视觉数据和文本数据，以进行大规模传输。此外，使用隐写术和水印技术可以保护彩色覆盖图像中的图像信息，防止威胁和版权问题[16]。这些方法提供了较高的抗干扰能力，但在接收端解密后的图像与原始图像之间存在显著差异[17]。因此，传统方法不适合在传输和加密过程中保持视觉数据[18]。
大多数现有的图像加密方法无法有效抵御不断发展的攻击。在基于签名的加密方案中，签名被嵌入其中，因此数据的任何变化都会导致签名变化。签名变化会提醒医疗服务提供者可能存在数据泄露[19]。应根据输入的性质选择适当的加密方案，从而方便地确定更大的参数空间需求。传统方法计算复杂且需要额外的密钥管理[20]。在这些方法中，如果密钥丢失，加密信息无法恢复，而且边缘设备功耗较高，无法满足实时需求[21]。这些缺点限制了现有方法在安全性方面的性能，需要改进以加强加密密钥[22]。因此，需要一种高效且轻量级的图像保护方案来处理各种医疗图像[23]。从量子计算的角度来看，这些方法容易受到不同类型攻击的影响。相比之下，基于量子的混沌映射解决了这些脆弱性，因为量子门引入了不可预测性和变异性，提高了整体安全性。此外，量子比特的独特属性（如纠缠）提供了对经典和潜在量子攻击的抵抗力，增强了图像加密的安全性[16]。然而，多维混沌方案会增加计算复杂性并延长计算时间。另一方面，大多数密码系统容易受到经典攻击，因为图像加密结构较弱，攻击者可以找到密码图像与密钥或原始图像之间的关系。实际上，问题在于秘密代码流不依赖于原始图像，因为密钥是固定的，并且相同的秘密代码流用于加密明文，从而导致明文攻击[8]。
因此，为了解决这些缺点，提出了一个具有更好安全机制的高效Bio-LCPQ框架。Bio-LCPQ中包含的扩散和混淆策略通过减少计算复杂性来分散大量内存需求，从而确保医疗图像的安全性。此外，混沌映射序列的生成通过有效缓解冗余问题提高了医疗图像加密过程的可靠性。进一步地，研究中加入的量子操作增强了医疗图像的安全性，并提高了其鲁棒性特征。因此，Bio-LCPQ的关键贡献如下：
混合逻辑混沌映射（HLCM）： HLCM通过扩散过程为医疗图像提供更好的安全性，从而提高了模型稳定性，并具有较大的参数空间可用性。
基于生物特征的立方Henon混沌序列（BCHC）： BCHC的随机性和非线性特性通过使用SHA-256哈希值生成密钥来保护医疗图像，输入为生物特征图像。
生物特征逻辑立方后量子（Bio-LCPQ）： Bio-LCPQ的引入通过生成唯一的加密密钥来增强数据的安全性。此外，以量子比特的形式表示医疗图像通过其关键的纠缠特性提高了加密过程的鲁棒性。与现有密码系统相比，所提出的框架利用了BCHC的强大功能，增强了加密的不可预测性和混沌性。此外，在密钥选择过程中应用HLCM确保了医疗图像的安全性，同时保持了低复杂度和高安全性。
手稿的组织结构进一步说明如下：第2节列出了某些传统的医疗图像加密框架及其缺点。第3节详细阐述了医疗图像加密策略的系统表示。第4节简要介绍了所提出的Bio-LCPQ。第5节展示了基于Bio-LCPQ的医疗图像加密的优越性，包括结果和讨论。第6节介绍了基于Bio-LCPQ的加密过程，并提出了未来的改进要求。
