Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/32077Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Ντρίτσος, Γεώργιος | el |
| dc.contributor.author | Σολωμός, Βασίλειος | el |
| dc.date.accessioned | 2022-10-31T11:23:01Z | - |
| dc.date.available | 2022-10-31T11:23:01Z | - |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/32077 | - |
| dc.identifier.uri | http://dx.doi.org/10.26268/heal.uoi.11889 | - |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
| dc.subject | Μικροσκόπια | el |
| dc.subject | Βιοψία | el |
| dc.title | Συμπίεση μικροσκοπικών εικόνων βιοψιών | el |
| heal.type | masterThesis | - |
| heal.type.en | Master thesis | en |
| heal.type.el | Μεταπτυχιακή εργασία | el |
| heal.generalDescription | Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.classification | Απεικόνιση | - |
| heal.classification | Ιατρική - Μικροσκόπια | - |
| heal.identifier.secondary | Μεταπτυχιακή εργασία | - |
| heal.dateAvailable | 2022-10-31T11:24:01Z | - |
| heal.language | el | - |
| heal.access | free | - |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών. | el |
| heal.publicationDate | 2022 | - |
| heal.bibliographicCitation | Ντρίτσος, Γ., & Σολωμός, Β., 2022. Συμπίεση μικροσκοπικών εικόνων βιοψιών. Μεταπτυχιακή εργασία. Άρτα: Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιών. | el |
| heal.abstract | Οι προηγμένες μικροσκοπικές τεχνικές, όπως η διαλογή υψηλής απόδοσης, η διαλογή υψηλού περιεχομένου, η πολυφασματική απεικόνιση και η τρισδιάστατη απεικόνιση θα μπορούσαν να περιλαμβάνουν πολλές εικόνες ανά πείραμα που απαιτούν εκατοντάδες gigabyte (GBs) μνήμης. Αποτελεσματικές μέθοδοι συμπίεσης εικόνας με απώλειες, όπως η κοινή ομάδα ειδικών φωτογραφίας (JPEG) και το JPEG 2000, είναι ζωτικής σημασίας για τη διαχείριση αυτών των μεγάλων ποσοτήτων δεδομένων. Ωστόσο, αυτές οι μέθοδοι μπορούν να αποκτήσουν οπτική ποιότητα με υψηλούς λόγους συμπίεσης, αλλά όχι απαραίτητα να διατηρήσουν την ακεραιότητα των ιατρικών δεδομένων και πληροφοριών. Σε αυτή τη μελέτη, προτείνουμε μια νέα και βελτιωμένη μέθοδο συμπίεσης ιατρικής εικόνας που βασίζεται στη μείωση της διαφοράς κυματιδίων χρώματος. Συγκεκριμένα, η προτεινόμενη μέθοδος είναι μια επέκταση της τυπικής μεθόδου μείωσης διαφοράς κυματιδίων (WDR) με τη χρήση μέσης διαφοράς εικονοστοιχείων που εντοπίζεται μεταξύ τους για την επιλογή της βέλτιστης ποσότητας έγχρωμων εικόνων που παρουσιάζουν την υψηλότερη ομοιότητα στον χωρικό και χρονικό τομέα. Οι εικόνες με μεγάλη χωροχρονική συνοχή κωδικοποιούνται ως ένας τόμος και αξιολογούνται ως προς την αναλογία κορυφής σήματος προς θόρυβο (PSNR) και τον δείκτη δομικής ομοιότητας (SSIM). Η προτεινόμενη μέθοδος αξιολογείται στο προκλητικό πεδίο ανάλυσης εικόνας ιστοπαθολογικής μικροσκοπίας χρησιμοποιώντας 37 διαφάνειες καρκίνου του παχέος εντέρου. Διαπιστώθηκε ότι η αντιληπτική ποιότητα της ιατρικής εικόνας είναι αξιοσημείωτα υψηλή. Τα αποτελέσματα υποδεικνύουν ότι η βελτίωση PSNR σε σχέση με τα υπάρχοντα σχήματα μπορεί να φτάσει έως και 22,65 dB σε σύγκριση με το JPEG 2000 και έως 10,33 σε σύγκριση με μια μέθοδο που χρησιμοποιείται DWT και μπορεί να μας οδηγήσει στην εφαρμογή μιας φορητής πλατφόρμας και web που μπορεί να χρησιμοποιηθεί για συμπίεση και μετάδοση μικροσκοπικών ιατρικές εικόνες σε πραγματικό χρόνο. | el |
| heal.abstract | Advanced microscopic techniques such as high-throughput screening, high-content screening, multispectral imaging, and 3D imaging could include many images per experiment requiring hundreds of gigabytes (GBs) of memory. Efficient lossy image-compression methods such as joint photographic experts group (JPEG) and JPEG 2000 are crucial to managing these large amounts of data. However, these methods can get visual quality with high compression ratios, but not necessarily maintain the integrity of the medical data and information. In this study, we propose a novel and improved medical image compression method based on color wavelet difference reduction. Specifically, the proposed method is an extension of the standard wavelet difference reduction (WDR) method using mean co-located pixel difference to select the optimum quantity of color images that present the highest similarity in the spatial and temporal domain. The images with large spatiotemporal coherence are encoded as one volume and evaluated regarding the peak signal-to-noise ratio (PSNR) and structural similarity index (SSIM). The proposed method is evaluated in the challenging histopathological microscopy image analysis field using 37 slides of colorectal cancer. It is found that the perceptual quality of the medical image is remarkably high. The results indicate that the PSNR improvement over existing schemes may reach up to 22.65 dB compared to JPEG 2000 and up to 10.33 compared to a method utilized DWT and can lead us to implement a mobile and web platform that can be used for compressing and transmitting microscopic medical images in real-time | en |
| heal.advisorName | Τζάλλας, Αλέξανδρος | el |
| heal.committeeMemberName | Καρβέλης, Πέτρος | el |
| heal.committeeMemberName | Γιαννακέας, Νικόλαος | el |
| heal.academicPublisher | Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.academicPublisherID | uoi | - |
| heal.fullTextAvailability | true | - |
| Appears in Collections: | Διατριβές Μεταπτυχιακής Έρευνας (Masters) - ΠΤΠ | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Μ.Ε ΝΤΡΙΤΣΟΣ Γ - ΣΟΛΩΜΟΣ Β - 2022.pdf | 1.15 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
