Infrastructure for secure medical image sharing between distributed PACS and DI-r systems.
Notice bibliographique
Résumé
Recent developments in information and communication technologies and their incor-\nporation into the medical domain have opened doors for the enhancement of health care\nservices and thereby increasing the work \now at a reasonable rate. However, to implement\nsuch services, current medical system needs to be \nexible enough to support integration\nwith other systems. This integration should be achieved in a secure manner and the\nresultant service should be made available to all health professionals and patients. This\nthesis proposes a new infrastructure for secure medical image sharing between legacy\nPACS and DI-r. The solution employs OpenID standard for user authentication, OAuth\nservice to grant authorization and IHE XDS-I pro les to store and retrieve medical im-\nages and associated meta data. In the proposed infrastructure cooperative agents are\nemployed to provide a user action, patient consent and system policy based access con-\ntrol mechanism to securely share medical images. This allows safe integration of PACS\nand DI-r systems within a standard EHR system. In addition to this, a behavior-pattern\nbased security policy enhancement feature is added to the system to assist the system\nsecurity administrator. The resulting secure and interoperable medical imaging systems\nare easy to expand and maintain. Behavior of the entire system is analysed using general-\npurpose model driven development tool IBM Rational Rhapsody. The code generation\nand animation capability of the tool makes it powerful for running e ective simulations.\nWe mainly explore the use of state charts and their interactions with MySQL database\nto learn the behavior of the system.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».