Optimisation du pipeline Bio-Imaging et métadonnées

Décodage à la volée : comment extraire et analyser les métadonnées de vos images condensées ? - condenseImages

La véritable puissance analytique se révèle avec le paramètre decode. En passant ce paramètre à vrai, le moteur de calcul CAS ne se contente pas de reconstruire l'image en mémoireGemini said
Espace de stockage temporaire (RAM) utilisé par le moteur CAS pour charger et traiter les données à haute vitesse, minimisant les accès disque pour optimiser les performances de SAS Viya. : il décode l'image et écrit simultanément le résultat visuel et ses métadonnéesInformations décrivant les données, les utilisateurs et les ressources dans SAS Viya. Elles assurent la traçabilité, la sécurité et la gouvernance au sein de l'architecture distribuée. associées dans la table de destination. Vous gardez également la main sur le format de sortie en forçant un type d'encodage spécifique, par exemple le format JPG, en utilisant le sous-paramètre d'encodage dédié.

Exemples pour l'action condenseImages

Condensation basique en niveaux de gris

Cet exemple montre comment vectoriser des colonnes de pixels bruts en un blob binaire d'image 2x2. Idéal pour structurer des données tabulaires avant un entraînement Deep Learning sur SAS Viya.

Condensation d'images couleur avec conservation d'ID

Cet exemple convertit des pixels bruts en images RGB via des canaux groupés (RRRRGGGGBBBB), tout en préservant l'ID source grâce au paramètre copyVars pour assurer la traçabilité des données.

Conseil de l'Expert

Pour des performances optimales sur des volumes massifs, privilégiez le format de sortie PIXEL si vous enchaînez immédiatement sur une action deepLearn. Cependant, si vous devez persister les données pour une inspection humaine ou un audit, forcez l'encodage JPG pour réduire l'empreinte mémoire de la table CAS de destination de près de 80% par rapport au format brut.

Architecture technique du décodage CAS

Normalisation du vecteur : L'utilisation du sous-paramètre encoding permet d'uniformiser un dataset hétérogène (mélange de PNG, TIFF, BMP) vers un format unique avant l'entraînement.
Extraction atomique : Le paramètre decode=True déclenche l'extraction automatique de la largeur, de la hauteur, du nombre de canaux et de la profondeur de bits dans des colonnes dédiées.
Transcodage In-Memory : Contrairement au chargement classique, le décodage à la volée s'effectue de manière distribuée sur tous les "Workers" du cluster CAS, parallélisant la décompression.
Préservation de l'intégrité : Le moteur garantit que les métadonnées EXIF de base sont accessibles pour filtrer les images corrompues ou de résolution insuffisante via une simple clause WHERE.