Adaptation of an internet‐based DICOM viewer for use with the Medical Imaging Resource Center – Teaching File System (MIRC‐TFS)
Notice bibliographique
Résumé
DICOM is the standard file format for medical imaging; however, storage, transmission and viewing of these images over the internet for teaching and learning purposes outside of the clinical setting presents a challenge as they do not lend themselves well to rapid display and interrogation due to their atypical file format. The aim of this project was to utilize the web technology standard HTML 5 offers to deploy a DICOM viewer that functions well, directly in the user's browser, without the need for complex client side‐applications, application switching, or user login requirements. To achieve this we have adapted the open source HTML 5 DICOM viewer, Oviyam, for integration with the Radiological Society of North America's Medical Imaging Resource Center – Teaching File System (MIRC‐TFS) on a virtual server to facilitate access to DICOM objects for teaching and learning. For learners a plugin was developed to transform the DICOM images in MIRC‐TFS into JPEG format resulting in a reduction in file size allowing users to view the images more rapidly while supporting higher user traffic for viewing images concurrently, as frequently occurs with large class sizes. In addition, a second plugin was developed for BlackBoard Learn that allows instructors to browse the MIRC‐TFS teaching cases and insert them alongside their other course materials. The tool set and image viewing capabilities of Oviyam were enhanced to include annotation tools allowing students to create marked up versions of the images for evaluation of their knowledge. The deployment of this solution has significantly facilitated the interaction of teachers and learners with DICOM based images for use in their academic environment.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».