A practical fast method for medical imaging transmission based on the DICOM protocol
Notice bibliographique
Résumé
The standard format for medical imaging storage and transmission is Digital Imaging and Communications in Medicine (DICOM). Nowadays, and specifically with large amounts of medical images acquired by modern modalities, the need for fast data transmission between DICOM application entities is evident. In some applications, particularly those aiming to provide real-time services, this demand is critical. This paper introduces a method which provides a fast and simple way of image transmission by utilizing the DICOM protocol. The current implementations of DICOM protocol usually care more about connecting DICOM application entities. In the process of connecting two DICOM application entities, the format of the transmission (Transfer Syntax) is agreed upon. In this crucial step, the two entities choose an encoding that is supported by both and if one entity does not support compression the other one cannot use that option. In the proposed method, we use a pair of interfaces to deal with this issue and provide a fast method for medical data transmission between any two DICOM application entities. These interfaces use both compression and multi-threading techniques to transfer the images. The interfaces can be used without any change to the current DICOM application entities. In fact, the interfaces listen to the incoming messages from the DICOM application entities, intercept the messages, and carry out the data transmission. The experimental results show about 22% speed-up in Local Area Networks (LANs) and about 13-14 times speed-up in Wide Area Networks (WANs).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».