Klijentska aplikacija za dohvat, dekodiranje i prikaz medicinskih slikovnih podataka u umreženom okruženju

završni rad

• Naslov (engleski): Client Application for Retreival, Decoding and Presentation of Medical Images in Networked Environment
• Autor: Matej Bohač
• Mentor: Josip Knezović (mentor)
• Član povjerenstva: Josip Knezović (predsjednik povjerenstva)
• Član povjerenstva: Igor Čavrak (član povjerenstva)
• Član povjerenstva: Ivana Bosnić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2015-07-13, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovom radu analizirana je metoda za kompresiju slika bez gubitaka koja se sastoji od: predikcijskog podmodela, kontekstualnog podmodela greške i entropijskog kodiranja. Na temelju toga je implementirana klijentska aplikacija koja radi u mrežnom okruženju te može dohvaćati, komprimirati, dekodirati i prikazati medicinske slike.

U domeni predikcijskog podmodela analizirana je unazad adaptivna metoda predviđanja slikovnih elemenata. Poseban je naglasak dan na adaptivnu funkciju sa klasifikacijom i miješanjem koja je korištena u aplikaciji.

Ukratko je opisana uloga kontekstualnog modeliranja greške predviđanja koje predstavlja nužan korak u tehnikama kompresije bez gubitaka ukoliko se želi postići visok stupanj kompresije.

Kod entropijskog kodiranje greške predviđanja detaljnije je opisan Golomb-Riceov algoritam te njegova implementacija u aplikaciji.

Na kraju su opisane funkcionalnost i implementacija cjelokupne klijentske aplikacije i uloga aplikacije unutar sustava za daljinsku medicinsku dijagnostiku MIDOM.

Sažetak (engleski)

In this thesis, lossless image compression technique based on predictive coding is analysed. This method consists of: prediction module, contextual modelling of prediction error and entropy coder. Based on this method client application that can fetch, compress, decompress and show medical images is implemented.

Regarding the prediction module backwards adaptive method for prediction is examined. Focus is put on adaptive function with classification and blending which is also implemented in application.

Contextual modeling of prediction error which is outlined. This is a necessary step in the complete predictive model if the good compression rate is required.

Concerning entropy coding of prediction error, Golomb-Rice coder is examined and his implementation in the application is explained.

Finally, functionalities and complete implementation of client application is described, as well as role the application has as a part of system for remote medical diagnostics MIDOM.

• Ključne riječi: kompresija slike bez gubitaka; metode predviđanja; kontekstualno modeliranje; entropijsko kodiranje
• Ključne riječi (engleski): lossless image compression; predictive coding; contextual error modeling; entropy coding
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:571330
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2018-02-06 07:57:08