Pathological image compression for big data image analysis: Application to hotspot detection in breast cancer.
Pathological image compression for big data image analysis: Application to hotspot detection in breast cancer.
复制标题
DOI：
10.1016/j.artmed.2018.09.002
复制
发表时间：
2019-04
影响因子：
7.5
通讯作者：
Bilgin A
中科院分区：
文献类型：
--
作者：
Niazi MKK;Lin Y;Liu F;Ashok A;Marcellin MW;Tozbikian G;Gurcan MN;Bilgin A
在本文中，我们提出了一个病理图像压缩框架，以解决数字病理学中的大数据图像分析的需求。大数据图像分析需要使用分布式存储和计算资源来分析高分辨率图像的大型数据库，同时沿着大量数据在存储和计算节点之间的传输，这可能会产生主要的处理瓶颈。建议的图像压缩框架是基于JPEG2000交互式协议，旨在最大限度地减少存储和计算节点之间的数据传输量，以及大大减少解压缩引擎的计算需求。所提出的框架被集成到热点检测从图像的乳腺活检，产生相当大的减少数据和计算的要求。
In this paper, we propose a pathological image compression framework to address the needs of Big Data image analysis in digital pathology. Big Data image analytics require analysis of large databases of high-resolution images using distributed storage and computing resources along with transmission of large amounts of data between the storage and computing nodes that can create a major processing bottleneck. The proposed image compression framework is based on the JPEG2000 Interactive Protocol and aims to minimize the amount of data transfer between the storage and computing nodes as well as to considerably reduce the computational demands of the decompression engine. The proposed framework was integrated into hotspot detection from images of breast biopsies, yielding considerable reduction of data and computing requirements.
登录
查看更多内容
DOI：
10.1073/pnas.90.21.9758
发表时间：
1993-11-01
影响因子：
11.1
作者：
BARRETT, HH;YAO, J;MYERS, KJ
通讯作者：
MYERS, KJ
抗体KI-67的细胞增殖相关抗原：一种非常大的，无处不在的核蛋白，具有许多重复的元素，代表了一种新型的细胞周期维护蛋白。
影响因子：
7.8
作者：
Schluter, C;Duchrow, M;Wohlenberg, C;Becker, M H;Key, G;Flad, H D;Gerdes, J
通讯作者：
Gerdes, J
影响因子：
8.1
作者：
Chen, C. L. Philip;Zhang, Chun-Yang
通讯作者：
Zhang, Chun-Yang
影响因子：
2
作者：
Niazi, M. Khalid Khan;Yearsley, Martha M.;Gurcan, Metin N.
通讯作者：
Gurcan, Metin N.
影响因子：
6.4
作者：
GERDES, J;SCHWAB, U;STEIN, H
通讯作者：
STEIN, H