MétaCan
Menu
Retour à la cohorte
Enregistrement W2148838455 · doi:10.1109/iembs.2005.1617305

Comparison of JPEG 2000 and Other Lossless Compression Schemes for Digital Mammograms

2005· article· en· W2148838455 sur OpenAlexaff
April Khademi, Sridhar Krishnan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Data Compression Techniques
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésLossless JPEGJPEGHuffman codingLossless compressionLossy compressionComputer scienceComputer visionData compressionArtificial intelligenceJPEG 2000Compression artifactImage compressionImage processingImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

In this study, we propose JPEG 2000 as an algorithm for the compression of digital mammograms and the proposed work is the first real-time implementation of JPEG 2000 on a mammogram image database. Only the lossless compression mode of JPEG 2000 was examined to ensure that the mammogram is delivered without distortion. The performance of JPEG 2000 was compared against several other lossless coders: JPEG-LS, lossless-JPEG, adaptive Huffman, arithmetic with a zero order and a first order probability model and Lempel-Ziv Welch (LZW) with 12 and 15 bit dictionaries. Each compressor was supplied the identical set of 50 mammograms, each having a resolution of 8bits/pixel and dimensions of 1024 × 1024. Experimental results indicate JPEG 2000 and JPEG-LS provide comparable compression performance since their compression ratios differed by 0.72% and both compressors also superseded the results of the other coders. Although JPEG 2000 suffered from a slightly longer encoding and decoding delay than JPEG-LS (0.8s on average), it is still preferred for mammogram images due to the wide variety of features that aid in reliable image transmission, provide an efficient mechanism for remote access to digital libraries and contribute to fast database access.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,361
Écart entre enseignants0,324 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Data Compression TechniquesTravaux en français237 207