MétaCan
Menu
Retour à la cohorte
Enregistrement W2167841881 · doi:10.1109/ccece.2001.933567

Fixed block-based lossless compression of digital mammograms

2002· article· en· W2167841881 sur OpenAlexaffabout
M.Y. Al-Saiegh, Sridhar Krishnan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Data Compression Techniques
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésLossless compressionHuffman codingComputer scienceData compressionImage compressionColor Cell CompressionEntropy encodingLossy compressionContext-adaptive binary arithmetic codingData compression ratioCompression ratioArtificial intelligenceAlgorithmComputer visionImage processingImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Breast cancer is a leading cause of death among women in Canada. Computer-aided diagnosis of mammograms (X-ray films of breast tissue) is a noninvasive and an inexpensive way of diagnosing breast cancer. The objective of this project is to investigate image compression schemes for faithful transmission and reproduction of digital mammography data over a communication link. A fixed block-based (FBB) near lossless compression scheme for mammograms has been developed which runs in conjunction with traditional compression schemes such as Huffman coding and Lempel-Ziv Welch (1978) coding. The algorithm codes blocks of pixels within the image that contain the same intensity value (the odds of having blocks of the same pixel values in a mammography image are very high), thus reducing the size of the image substantially while encoding the image at the same time. The proposed compression scheme was applied on 44 mammograms (22 benign and 22 malignant), and the compression scheme provided a compression ratio of 1.7:1. When Huffman (1952) coding and LZW coding were used in conjunction with the FBB compression scheme, the compression ratio was 3.81:1 for Huffman, and 5:1 for LZW coding. The proposed FBB lossless compression technique seems to be promising for teleradiology applications.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,026
Tête enseignante GPT0,249
Écart entre enseignants0,222 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations10
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAdvanced Data Compression TechniquesTravaux en français237 207