CN110311973A - 一种面向多租户的影像云服务系统及方法 - Google Patents

一种面向多租户的影像云服务系统及方法 Download PDF

Info

Publication number
CN110311973A
CN110311973A CN201910572725.0A CN201910572725A CN110311973A CN 110311973 A CN110311973 A CN 110311973A CN 201910572725 A CN201910572725 A CN 201910572725A CN 110311973 A CN110311973 A CN 110311973A
Authority
CN
China
Prior art keywords
service
tenant
algorithm
container
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910572725.0A
Other languages
English (en)
Other versions
CN110311973B (zh
Inventor
栗伟
冯朝路
刘海宁
赵大哲
闵新�
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University China
Original Assignee
Northeastern University China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northeastern University China filed Critical Northeastern University China
Priority to CN201910572725.0A priority Critical patent/CN110311973B/zh
Publication of CN110311973A publication Critical patent/CN110311973A/zh
Application granted granted Critical
Publication of CN110311973B publication Critical patent/CN110311973B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出一种面向多租户的影像云服务系统及方法，包括：云资源、容器、容器组；所述云资源，包括：数据云存储及云计算支撑服务，并为容器提供各种类型算法；所述容器，在算法服务层，将云资源提供的每个算法各自独立封装为容器；所容器组，根据每个租户的具体需要，在应用服务层，创建各种容器的组合，按照容器组内容器的排列顺序以及之间的调用关系，调用算法服务层中的不同容器，并将执行容器组后的结果返回给租户。本发明使用容器来实现不同租户之间应用服务环境的隔离和算法服务的部署。应用服务按照用户需求定义，根据计算需求和功能需求随时变更，同时对客户端系统和平台没有硬性要求，可扩展性好，配置灵活。

Description

一种面向多租户的影像云服务系统及方法
技术领域
本发明属于云计算领域，具体涉及一种面向多租户的影像云服务系统及方法。
背景技术
随着医学成像技术的快速发展，CT、MR、PET等数字化影像设备广泛应用于临床，医学影像已经成为医学临床诊断的重要依据。当前医学影像数据存储和临床阅片功能都集成在影像归档与通信系统(PACS)中，PACS提高了在诊断过程中影像利用效率，如节省了大量的数据传输时间，医生能够快速随时调用影像，提高了医生的工作效率，并为医院提供了海量影像数据资源安全、快速、大容量存储能力。
当前发展阶段的PACS已经从当初某一个科室逐渐扩展到整个医院、一个区域，功能上也已从单纯数据传输和调阅影像到智能辅助诊断及科研临床支持方面升级。典型的PACS功能结构如图1所示。
基于上述结构，当前PACS还存在一些问题。
1.医院PACS部署在医院内部网络，区域PACS在几个医院之间可以实现数据通信，所以从外部网络是无法访问PACS，运行范围仅仅局限于医院内部及区域医院之间。
2.影像设备性能越来越高，一次产生的影像数据量越来越多，不但给医生的阅片造成负担，引起漏诊和误诊，同时对PACS存储性能提出了挑战；计算机辅助诊断应用能够智能检测病灶，提取影像定量指标，给医生多维辅助的参考，但这些智能学习算法需要大量数据运算，没有强大的计算设施很难在短时间完成，而现有这种集中式部署架构很难发挥高性能计算能力，如云计算技术。
3.这种集中的数据存储造价高昂，扩容备份成本高。虽然存储单位价格越来越便宜，但是影像数据量增长的速度远高于存储单价降低的速度，总体而言，存储成本会越来越高，并且医学数据一般存储多年，很多历史数据处于归档状态，难于满足实时调用的应用需求。
4.Tel-radiology技术发展及远程会诊等要求PACS具有数据共享和远程阅片的能力，医生也越来越不再局限于医院阅片室，随时随地、不同终端设备都能够实现远程阅片和诊断是当前迫切的需求。
5.临床科研工作需要多个单位的共同协作，需要安全的数据共享能力，现有的PACS很难满足这种分布式协作需求。因此基于云计算的科研数据收集、存储和分析已经成为不可或缺技术手段。
综上所述，未来PACS系统将向着：数据共享云端、功能云服务化、需求定制化方向发展，充分利用云计算、高速网络等资源，为医生提供高质量、实时、良好用户体验。
为实现PACS功能云服务化、需求定制化能力，未来PACS系统将部署在云端，每一个功能(如影像阅片、三维重建、结节检测、书写报告等)都是一个一个独立的云服务形式，多种不同客户端可以同时接入(PC、Pad、智能手机等)，实现安全、可靠的计算服务；针对临床新需求只需要开发相应的服务即可，而无需对整个PACS系统架构做出大范围修改，现在PACS的这种集中架构是无法满足的。
同时，根据不同租户对服务质量(Quality of Service，QoS)的需求，PACS根据需求实现个性化服务定制，包括服务内容需求和服务资源支持需求。服务内容需求指不同服务功能，如胸科医生只关注胸部辅助应用，其他部位辅助功能就可以不加载，以及服务运行稳定性、安全性和实时响应速度要求；临床科研只需要科研数据记录、分析功能，PACS中的阅片、报告等功能不必要的功能也可以不加载。服务资源支持需求指不同应用要求数据精度、不同设备对数据精度支持不同，PACS能够根据实际需要提供不同程度的计算资源、存储资源、网络资源支持。如在智能手机端，网络质量不好，屏幕分辨率不高，因此系统根据设备性能提供不影响诊断精度情况下的低分辨率影像；对于需要大量计算的智能算法服务，系统提供更多计算资源，保证应用服务快速实时。
发明内容
基于以上技术不足，本发明提出了一种面向多租户的影像云服务系统，基于该系统提出了一种基于RESTFul的影像算法微服务建模方法，实现了每一个算法功能服务化，每一个服务独立部署，更好地分配计算存储资源，有利于系统功能扩展；提供出了一种基于QoS的影像云服务个性化定义方法，实现按照需求自动化部署影像云服务资源，租户按需支付功能。
一种面向多租户的影像云服务系统，包括：云资源、容器、容器组；
所述云资源与容器相连接，容器与容器组相连接，容器组与租户相连接；
所述云资源，包括：数据云存储及云计算支撑服务，并为容器提供各种类型算法；
所述容器，在算法服务层，将云资源提供的每个算法各自独立封装为容器，具体包括：服务、服务元数据和输入输出；
所述容器组，根据每个租户的具体需要，在应用服务层，创建各种容器的组合，按照容器组内容器的排列顺序以及之间的调用关系，调用算法服务层中的不同容器，并将执行容器组后的结果返回给租户。
所述服务与服务元数据相连接，服务元数据与输入输出相连接；
所述服务，具体包括：算法可行性程序、服务运行、服务约束、服务质量；根据服务质量的设置，按照服务约束，执行算法可执行程序，并将运行过程记录在服务运行参数中；
所述服务运行，包括参数：服务时长、访问次数和服务日志；
所述服务日志，包括参数：访问日期、客户端位置；
所述服务约束，包括依赖服务和后置服务；
所述依赖服务，为该算法依赖其他服务才能运行的服务ID号列表，记做{S-UIDd}；
所述后置服务，为其他服务依赖于该算法而运行的服务ID号列表，记做{S-UIDp}；
所述服务质量，实现对租户提供服务的资源性能及应用性能的预设定，若不加以设置，则采用默认值，包括影像质量、计算能力、存储能力、响应速度、数据安全级、运行稳定性；
所述计算能力和存储能力是对服务运行环境的资源质量需求；影像质量、响应速度、数据安全级和稳定性是对服务算法的应用质量需求。
所述影像质量Qi，根据实际需求和设备性能设定不同分辨率参数，共分为四级，取值范围为{0,1,2,3}，0代表是原始分辨率，1代表是原始分辨率的1/2，2代表是原始分辨率的1/4，3代表是原始分辨率的1/8，计算公式为：Qi＝2l，l取值范围为{0，1，2，3}；
所述计算能力Qc，包括处理器核个数p、内存空间大小m、并行GPU支持，计算公式如下：
其中，处理器核个数p，默认值为1；内存空间大小m，默认值为1，单位为G、并行GPU支持g，默认值为0，默认系数为1.0；
所示存储能力Qsc，包括存储空间v、存储压缩c、存取加速支持a、存储队列长度q、上次访问数据持久化支持pr，计算公式如下：
其中，存储空间v，默认值为1，单位为10G、存储压缩c，默认值为0、存取加速支持a，默认值为0、存储队列长度q，默认值为1，单位为10个、上次访问数据持久化支持pr，默认值为0；
所述响应速度参数Qr，是对算法服务的实时性要求，分为两个等级，取值范围{1,2}，默认是1，表示正常，2表示实时响应，该质量取决于网络速度和算法性能，实时响应要求就会分配更大的带宽和快速版本算法。
所述数据安全级参数Qp，是对数据隐私处理和传输加密，其中，隐私处理分为三级，{1-默认不处理,2-隐私信息替代,3-敏感信息消除}，传输加密分为两个级别{1-不加密；2-DES加密}，默认值是1，即不加密，DES加密为2。
所述运行稳定性Qsp，是服务是否提供7*24运行能力，默认值是1，即需要提供，不需要提供为0。
所述所述服务质量，总的服务质量Q计算如下：
其中，正常默认情况服务质量参数Q为1，参数值越大质量要求越高，利用资源越多，用户体验越好。
所述服务元数据，包括服务管理及服务接口；
所述服务管理实现服务信息的增删改查，用于服务注册、服务发现的基本功能，并可以给租户相关服务价格信息，包括：服务ID、服务名称、服务功能、目标用户、发布者、发布时间、服务价格、当前版本、服务状态。
所述服务状态分为正常、停用、废弃三个状态；
所述服务接口，采用基于RESTFul方式实现租户访问该服务；具体包括：接口名称、服务URL、服务版本、通信协议、服务方法、消息格式。
所述服务位置是服务所在主机位置；
所述通信协议就是HTTP协议，为后期扩展提供该信息；
所述服务方法，包括HTTP协议中的GET(服务查询)、POST(服务提交)、PUT(服务增加)、DELETE(服务删除)；
所述消息格式，包括JSON、XML、Binary data、Text四种格式；
所述输入输出，定义了服务的输入参数和输出参数列表，输入参数和输出参数列表均包括参数名称、类型、设定值，运行时参数值为租户设定的值，如果租户没有设定值，则采用缺省默认值。
所述各种类型算法，将影像相关算法分类如下：
(1)数据管理类算法：负责影像数据文件级处理的操作，输入影像文件或地址，输出文件或地址，包括：数据上传、数据下载、数据压缩、数据格式转化、数据加密、数据重命名、数据移动、数据复制；
(2)数据处理类算法：负责影像数据像素级处理的操作，输入和输出都是影像，包括：影像加载内存、影像数据保存、影像数据增强、影像去噪、边缘检测、小波变化；
(3)数据分析类算法：负责影像数据对象级处理的操作，输入影像，输出是对象，包括：影像目标检测、影像(血管组织等)分割、目标(病灶)识别；
(4)数据理解类算法：负责影像数据语义级处理的操作，输入影像，输出定量指标，包括：影像结节良恶性指数、动脉钙化及动力指数。
(5)数据展示类算法：负责影像数据交互及展示的操作，输入交互参数和影像，输出影像，包括：影像平片展示、三维重建、影像窗宽窗位调整、影像放缩、影像标注、影像测量。
(6)数据量表类算法：负责结构化数据采集及管理的操作，输入参数数据，输出参数数据，包括：入院记录单、诊断报告单、化验报告单。
(7)数据附件类算法：负责生成新数据文件管理的操作，输入文件或位置，输出文件或位置，包括：影像打印图、科研参数文件。
一种面向多租户的影像云服务方法，采用一种面向多租户的影像云服务系统实现，具体步骤如下：
步骤1：客户端登录接入；
步骤2：对租户进行合法性校验，若租户合法，则转到步骤3，若租户不合法，则进行认证及计费，然后转到步骤1，重新进行客户端登录；
所述认证即为用户合法性校验；
所述计费即为用户使用服务的费用计算；
步骤3：从应用服务注册库中，获取应用服务清单；
步骤4：根据租户实际需求，在应用服务层中，创建容器组，即各个容器及之间的调用关系组成的流程，亦即应用服务流程；
步骤5：根据容器组中各个容器及之间的调用关系，在算法服务层中，调用容器，并执行算法可执行程序，返回每个算法可执行程序的结果参数；
步骤6：将每个算法可执行程序执行结果返回容器组中，并将容器组执行的结果返回给租户。
所述步骤4具体步骤如下：
步骤4.1：根据租户实际需求，租户定义或者修改容器组；
步骤4.2：判断租户是否完成对容器组的定义，如果完成，则转到步骤4.3，如果没有完成，则在算法服务注册库中查找满足租户要求的服务，判断是否找到，若是找到则转到步骤1，修改容器组，若没有找到，则结束对容器组定义过程，转到创建新容器服务过程；
步骤4.3：根据算法服务注册库中信息，校验DAG图(有向无环图)，若DAG图合法，则转到步骤4.4，若DAG图不合法，则返回DAG图不合法信息，请租户修改容器组；
步骤4.4：根据算法服务注册库记录的信息，查找每个服务状态，判断服务是否处于运行状态，若是处于运行状态，则转到步骤4.5，若不是处于运行状态，则启动容器，进而启动服务，更新该容器服务状态并记录到算法服务注册库，转到步骤4.5；
步骤4.5：将该服务记录到服务清单中，并生成算法服务清单；
步骤4.6：每个服务状态查找过程是否均结束，如果均结束，则转到步骤4.7，如果没有结束，则转到步骤4.4；
步骤4.7：将租户定义好的容器组，即应用服务流程注册到应用服务注册库。
所述步骤5具体步骤如下：
步骤5.1：根据步骤4中生成的服务清单中顺序，从容器镜像库中调用相应容器，并启动相应容器；该步骤用来保证所有服务是启动状态。
步骤5.2：启动相应服务；
步骤5.3：判断租户调用该服务请求是否达到，如果达到，则转到步骤5.4，如果没有达到，继续等待，并继续判断租户调用该服务请求是否达到；
步骤5.4：接收请求，并进行租户合法化校验，请求获取租户信息，记录运行信息，同时根据算法服务注册库中，进行服务参数解析，参数格式校验；
步骤5.5：判断参数格式是否合法，若合法，则执行算法程序，转到步骤5.6，若不合法，直接转到步骤5.6；
步骤5.6：返回结果参数；
所述创建新容器服务过程，在客户端登录接入之前已经定义完毕，并保存在容器镜像库和算法服务注册库中，容器定义过程如下：
步骤a：定义服务的输入输出参数；
步骤b：同时定义服务管理数据和服务接口数据；
步骤c：创建满足服务质量要求的容器；
步骤d：同时初始化服务质量数据和初始化服务运行数据；
步骤e：设定服务约束；
步骤f：算法执行程序关联部署，即将服务和所调用的算法可执行程序关联起来；
步骤g：打包容器镜像到容器镜像库；
步骤h：将服务信息注册到算法服务注册库。
有益技术效果：
本发明使用容器来实现不同租户之间应用服务环境的隔离和算法服务的部署。上述容器构建在底层数据云存储、计算和支撑资源基础上。因此，可以根据实际需要增加更新底层物理计算存储资源，但不影响上层PACS服务运行；同样新算法服务增加及算法服务更新升级也不会影像上层应用服务运行；应用服务按照用户需求定义，根据计算需求和功能需求随时变更，同时对客户端系统和平台没有硬性要求，只需要调用相应的应用服务接口即可。上述方法的结构层与层之间耦合性低，可扩展性好，配置灵活。
附图说明
图1为现有技术中的PACS功能结构；
图2为本发明实施例的一种面向多租户的影像云服务系统原理结构图；
图3为本发明实施例的容器结构图；
图4为本发明实施例的一种面向多租户的影像云服务方法总体流程图；
图5为本发明实施例的应用服务流程图；
图6为本发明实施例的调用容器并执行算法可执行程序流程图；
图7为本发明实施例的创建新容器服务过程流程图；
图8为本发明实施例的算法服务注册库表结构；
图9为本发明实施例的应用服务注册库表结构；
图10为本发明实施例的基于Web的多平台应用服务展示；
图11为本发明实施例的基于PC工作站的应用服务展示。
具体实施方式
下面结合附图和具体实施实例对发明做进一步说明，一种面向多租户的影像云服务系统，如图1所示，包括：云资源、容器、容器组；
所述云资源与容器相连接，容器与容器组相连接，容器组与租户相连接；
所述云资源，包括：数据云存储及云计算支撑服务，并为容器提供各种类型算法；
所述容器，在算法服务层，将云资源提供的每个算法各自独立封装为容器，如图3所示具体包括：服务、服务元数据和输入输出；
所述容器组，根据每个租户的具体需要，在应用服务层，创建各种容器的组合，按照容器组内容器的排列顺序以及之间的调用关系，调用算法服务层中的不同容器，并将执行容器组后的结果返回给租户。
所述服务与服务元数据相连接，服务元数据与输入输出相连接；
所述服务，如图3所示，具体包括：算法可行性程序、服务运行、服务约束、服务质量；根据服务质量的设置，按照服务约束，执行算法可执行程序，并将运行过程记录在服务运行参数中；
所述服务运行，包括参数：服务时长、访问次数和服务日志；
所述服务日志，包括参数：访问日期、客户端、位置；
所述服务约束，包括：依赖服务和后置服务；
所述依赖服务，为该算法依赖其他服务才能运行的服务ID号列表，记做{S-UIDd}；
所述后置服务，为其他服务依赖于该算法而运行的服务ID号列表，记做{S-UIDp}；
所述服务质量，实现对租户提供服务的资源性能及应用性能的预设定，若不加以设置，则采用默认值，包括：影像质量、计算能力、存储能力、响应速度、数据安全级、运行稳定性；
所述计算能力和存储能力是对服务运行环境的资源质量需求；影像质量、响应速度、数据安全级和稳定性是对服务算法的应用质量需求。
所述影像质量Qi，根据实际需求和设备性能设定不同分辨率参数，共分为四级，取值范围为{0,1,2,3}，0代表是原始分辨率，1代表是原始分辨率的1/2，2代表是原始分辨率的1/4，3代表是原始分辨率的1/8，计算公式为：Qi＝2l，l取值范围为{0，1，2，3}；
所述计算能力Qc，包括处理器核个数p、内存空间大小m、并行GPU支持，计算公式如下：
其中，处理器核个数p，默认值为1；内存空间大小m，默认值为1，单位为G、并行GPU支持g，默认值为0，默认系数为1.0；
所示存储能力Qsc，包括存储空间v、存储压缩c、存取加速支持a、存储队列长度q、上次访问数据持久化支持pr，计算公式如下：
其中，存储空间v，默认值为1，单位为10G、存储压缩c，默认值为0、存取加速支持a，默认值为0、存储队列长度q，默认值为1，单位为10个、上次访问数据持久化支持pr，默认值为0；
所述响应速度参数Qr，是对算法服务的实时性要求，分为两个等级，取值范围{1,2}，默认是1，表示正常，2表示实时响应，该质量取决于网络速度和算法性能，实时响应要求就会分配更大的带宽和快速版本算法。
所述数据安全级参数Qp，是对数据隐私处理和传输加密，其中，隐私处理分为三级，{1-默认不处理,2-隐私信息替代,3-敏感信息消除}，传输加密分为两个级别{1-不加密；2-DES加密}，默认值是1，即不加密，DES加密为2。
所述运行稳定性Qsp，是服务是否提供7*24运行能力，默认值是1，即需要提供，不需要提供为0。
所述所述服务质量，总的服务质量Q计算如下：
其中，正常默认情况服务质量参数Q为1，参数值越大质量要求越高，利用资源越多，用户体验越好。
所述服务元数据，如图3所示，包括：服务管理及服务接口；
所述服务管理实现服务信息的增删改查，用于服务注册、服务发现的基本功能，并可以给租户相关服务价格信息，如图3所示，包括：服务ID、服务名称、服务功能、目标用户、发布者、发布时间、服务价格、当前版本、服务状态。
所述服务状态分为正常、停用、废弃三个状态；
所述服务接口，采用基于RESTFul方式实现租户访问该服务；如图3所示，具体包括：接口名称、服务URL、服务版本、通信协议、服务方法、消息格式。
所述服务位置是服务所在主机位置；
所述通信协议就是HTTP协议，为后期扩展提供该信息；
所述服务方法，包括HTTP协议中的GET(服务查询)、POST(服务提交)、PUT(服务增加)、DELETE(服务删除)；
所述消息格式，包括JSON、XML、Binary data、Text四种格式；
所述输入输出，如图3所示，定义了服务的输入参数和输出参数列表，输入参数和输出参数列表均包括参数名称、类型、设定值，运行时参数值为租户设定的值，如果租户没有设定值，则采用缺省默认值。
所述各种类型算法，将影像相关算法分类如下：
(1)数据管理类算法：负责影像数据文件级处理的操作，输入影像文件或地址，输出文件或地址，包括：数据上传、数据下载、数据压缩、数据格式转化、数据加密、数据重命名、数据移动、数据复制；
(2)数据处理类算法：负责影像数据像素级处理的操作，输入和输出都是影像，包括：影像加载内存、影像数据保存、影像数据增强、影像去噪、边缘检测、小波变化；
(3)数据分析类算法：负责影像数据对象级处理的操作，输入影像，输出是对象，包括：影像目标检测、影像(血管组织等)分割、目标(病灶)识别；
(4)数据理解类算法：负责影像数据语义级处理的操作，输入影像，输出定量指标，包括：影像结节良恶性指数、动脉钙化及动力指数。
(5)数据展示类算法：负责影像数据交互及展示的操作，输入交互参数和影像，输出影像，包括：影像平片展示、三维重建、影像窗宽窗位调整、影像放缩、影像标注、影像测量。
(6)数据量表类算法：负责结构化数据采集及管理的操作，输入参数数据，输出参数数据，包括：入院记录单、诊断报告单、化验报告单。
(7)数据附件类算法：负责生成新数据文件管理的操作，输入文件或位置，输出文件或位置，包括：影像打印图、科研参数文件。
一种面向多租户的影像云服务方法，采用一种面向多租户的影像云服务系统实现，如图4，具体步骤如下：
步骤1：客户端登录接入；
步骤2：对租户进行合法性校验，若租户合法，则转到步骤3，若租户不合法，则进行认证及计费，然后转到步骤1，重新进行客户端登录；
所述认证即为用户合法性校验；
所述计费即为用户使用服务的费用计算；
步骤3：从应用服务注册库中，获取应用服务清单；
步骤4：根据租户实际需求，在应用服务层中，创建容器组，即各个容器及之间的调用关系组成的流程，亦即应用服务流程；
步骤5：根据容器组中各个容器及之间的调用关系，在算法服务层中，调用容器，并执行算法可执行程序，返回每个算法可执行程序的结果参数；
步骤6：将每个算法可执行程序执行结果返回容器组中，并将容器组执行的结果返回给租户。
所述步骤4具体步骤如下，如图5所示：
步骤4.1：根据租户实际需求，租户定义或者修改容器组；
步骤4.2：判断租户是否完成对容器组的定义，如果完成，则转到步骤4.3，如果没有完成，则在算法服务注册库中查找满足租户要求的服务，判断是否找到，若是找到则转到步骤1，修改容器组，若没有找到，则结束对容器组定义过程，转到创建新容器服务过程；
步骤4.3：根据算法服务注册库中信息，校验DAG图(有向无环图)，若DAG图合法，则转到步骤4.4，若DAG图不合法，则返回DAG图不合法信息，请租户修改容器组；
步骤4.4：根据算法服务注册库记录的信息，查找每个服务状态，判断服务是否处于运行状态，若是处于运行状态，则转到步骤4.5，若不是处于运行状态，则启动容器，进而启动服务，更新该容器服务状态并记录到算法服务注册库，转到步骤4.5；
步骤4.5：将该服务记录到服务清单中，并生成算法服务清单；
步骤4.6：每个服务状态查找过程是否均结束，如果均结束，则转到步骤4.7，如果没有结束，则转到步骤4.4；
步骤4.7：将租户定义好的容器组，即应用服务流程注册到应用服务注册库。
所述步骤5具体步骤如下，如图6所示：
步骤5.1：根据步骤4中生成的服务清单中顺序，从容器镜像库中调用相应容器，并启动相应容器；该步骤用来保证所有服务是启动状态。
步骤5.2：启动相应服务；
步骤5.3：判断租户调用该服务请求是否达到，如果达到，则转到步骤5.4，如果没有达到，继续等待，并继续判断租户调用该服务请求是否达到；
步骤5.4：接收请求，并进行租户合法化校验，请求获取租户信息，记录运行信息，同时根据算法服务注册库中，进行服务参数解析，参数格式校验；
步骤5.5：判断参数格式是否合法，若合法，则执行算法程序，转到步骤5.6，若不合法，直接转到步骤5.6；
步骤5.6：返回结果参数；
所述创建新容器服务过程，如图7所示，在客户端登录接入之前已经定义完毕，并保存在容器镜像库和算法服务注册库中，容器定义过程如下：
步骤a：定义服务的输入输出参数；
步骤b：同时定义服务管理数据和服务接口数据；
步骤c：创建满足服务质量要求的容器；
步骤d：同时初始化服务质量数据和初始化服务运行数据；
步骤e：设定服务约束；
步骤f：算法执行程序关联部署，即将服务和所调用的算法可执行程序关联起来；
步骤g：打包容器镜像到容器镜像库；
步骤h：将服务信息注册到算法服务注册库。
本发明提出的面向多租户的影像云服务方法在云计算、容器、Web服务等技术的基础上实现，在功能应用层面，实现影像算法功能的服务化封装和云部署，提供按照租户服务质量要求的个性化服务定义功能，兼容各种客户端类型、平台终端类型等，为每一个租户提供独立的云计算资源，该方法的原理结构如图2所示。
本发明专利面向多租户，每一个租户自动分配一个独立的容器，租户之间应用服务环境隔离以及数据隔离，以确保不同租户不会相互干扰。每个租户的应用服务调用后台的算法服务，这些算法服务对租户来讲是共享的。算法服务指各种影像加载、处理和分析算法，如影像窗宽窗位调整、影像血管分割、肺部结节检测、影像三维体绘制等算法；应用服务指的各种以用户需求功能为目的，如通用的二维影像阅片与报告、肺结节辅助诊断、乳腺癌治疗分析等应用，这些应用需求通常需要多个算法服务综合一起共同完成。
图5中的算法服务注册库，记录了每个算法服务的最新状态，算法服务注册库表结构如图8所示。应用服务注册库记录了每一个租户的应用服务清单，根据应用服务清单，为租户提供相应的应用服务，应用服务注册库的表结构形式如图9所示。
使用本发明方法实现效果如图10和图11所示，其中图10是基于Web用户接口的不同平台效果(PC、平板和智能手机)，可以看出不同平台在展示效果一致。图11是基于服务的客户端开发(基于C#/WPF)工作站。

Claims (10)

1.一种面向多租户的影像云服务系统，其特征在于，该服务系统包括：云资源、容器、容器组；
所述云资源与容器相连接，容器与容器组相连接，容器组与租户相连接；
所述云资源，包括：数据云存储及云计算支撑服务，并为容器提供各种类型算法；
所述容器，在算法服务层，将云资源提供的每个算法各自独立封装为容器；
所述容器组，根据每个租户的具体需要，在应用服务层，创建各种容器的组合，按照容器组内容器的排列顺序以及之间的调用关系，调用算法服务层中的不同容器，并将执行容器组后的结果返回给租户。
2.根据权利要求1所述的面向多租户的影像云服务系统，其特征在于，所述容器具体包括：服务、服务元数据和输入输出；
所述服务与服务元数据相连接，服务元数据与输入输出相连接；
所述服务，具体包括：算法可行性程序、服务运行、服务约束、服务质量；根据服务质量的设置，按照服务约束，执行算法可执行程序，并将运行过程记录在服务运行参数中；
所述服务运行，包括参数：服务时长、访问次数和服务日志；
所述服务日志，包括参数：访问日期、客户端位置；
所述服务约束，包括依赖服务和后置服务；
所述依赖服务，为该算法依赖其他服务才能运行的服务ID号列表，记做{S-UIDd}；
所述后置服务，为其他服务依赖于该算法而运行的服务ID号列表，记做{S-UIDp}；
所述服务质量，实现对租户提供服务的资源性能及应用性能的预设定，若不加以设置，则采用默认值，包括影像质量、计算能力、存储能力、响应速度、数据安全级、运行稳定性；
所述计算能力和存储能力是对服务运行环境的资源质量需求；影像质量、响应速度、数据安全级和稳定性是对服务算法的应用质量需求；
所述影像质量Qi，根据实际需求和设备性能设定不同分辨率参数，共分为四级，取值范围为{0,1,2,3}，0代表是原始分辨率，1代表是原始分辨率的1/2，2代表是原始分辨率的1/4，3代表是原始分辨率的1/8，计算公式为：Qi＝2l，l取值范围为{0，1，2，3}；
所述计算能力Qc，包括处理器核个数p、内存空间大小m、并行GPU支持，计算公式如下：
其中，处理器核个数p，默认值为1；内存空间大小m，默认值为1，单位为G、并行GPU支持g，默认值为0，默认系数为1.0；
所示存储能力Qsc，包括存储空间v、存储压缩c、存取加速支持a、存储队列长度q、上次访问数据持久化支持pr，计算公式如下：
其中，存储空间v，默认值为1，单位为10G、存储压缩c，默认值为0、存取加速支持a，默认值为0、存储队列长度q，默认值为1，单位为10个、上次访问数据持久化支持pr，默认值为0；
所述响应速度参数Qr，是对算法服务的实时性要求，分为两个等级，取值范围{1,2}，默认是1，表示正常，2表示实时响应；
所述数据安全级参数Qp，是对数据隐私处理和传输加密，其中，隐私处理分为三级，{1-默认不处理,2-隐私信息替代,3-敏感信息消除}，传输加密分为两个级别{1-不加密；2-DES加密}，默认值是1，即不加密，DES加密为2；
所述运行稳定性Qsp，是服务是否提供7*24运行能力，默认值是1，即需要提供，不需要提供为0；
所述所述服务质量，总的服务质量Q计算如下：
其中，正常默认情况服务质量参数Q为1。
3.根据权利要求2所述的面向多租户的影像云服务系统，其特征在于，所述服务元数据，包括服务管理及服务接口；
所述服务管理，实现服务信息的增删改查，用于服务注册、服务发现的基本功能，并可以给租户相关服务价格信息，包括：服务ID、服务名称、服务功能、目标用户、发布者、发布时间、服务价格、当前版本、服务状态；
所述服务状态分为正常、停用、废弃三个状态；
所述服务接口，采用基于RESTFul方式实现租户访问该服务；具体包括：接口名称、服务URL、服务版本、通信协议、服务方法、消息格式；
所述服务位置是服务所在主机位置；
所述通信协议就是HTTP协议；
所述服务方法，包括HTTP协议中的服务查询、服务提交、服务增加、服务删除；
所述消息格式，包括JSON、XML、Binary data、Text四种格式。
4.根据权利要求2所述的面向多租户的影像云服务系统，其特征在于，所述输入输出，定义了服务的输入参数和输出参数列表，输入参数和输出参数列表均包括参数名称、类型、设定值，运行时参数值为租户设定的值，如果租户没有设定值，则采用缺省默认值。
5.根据权利要求1所述的面向多租户的影像云服务系统，其特征在于，所述各种类型算法，将影像相关算法分类如下：
(1)数据管理类算法：负责影像数据文件级处理的操作，输入影像文件或地址，输出文件或地址，包括：数据上传、数据下载、数据压缩、数据格式转化、数据加密、数据重命名、数据移动、数据复制；
(2)数据处理类算法：负责影像数据像素级处理的操作，输入和输出都是影像，包括：影像加载内存、影像数据保存、影像数据增强、影像去噪、边缘检测、小波变化；
(3)数据分析类算法：负责影像数据对象级处理的操作，输入影像，输出是对象，包括：影像目标检测、影像分割、目标识别；
(4)数据理解类算法：负责影像数据语义级处理的操作，输入影像，输出定量指标，包括：影像结节良恶性指数、动脉钙化及动力指数；
(5)数据展示类算法：负责影像数据交互及展示的操作，输入交互参数和影像，输出影像，包括：影像平片展示、三维重建、影像窗宽窗位调整、影像放缩、影像标注、影像测量；
(6)数据量表类算法：负责结构化数据采集及管理的操作，输入参数数据，输出参数数据，包括：入院记录单、诊断报告单、化验报告单；
(7)数据附件类算法：负责生成新数据文件管理的操作，输入文件或位置，输出文件或位置，包括：影像打印图、科研参数文件。
6.一种面向多租户的影像云服务方法，采用权利要求1所述面向多租户的影像云服务系统实现，其特征在于：
步骤1：客户端登录接入；
步骤2：对租户进行合法性校验，若租户合法，则转到步骤3，若租户不合法，则进行认证及计费，然后转到步骤1，重新进行客户端登录；
步骤3：从应用服务注册库中，获取应用服务清单；
步骤4：根据租户实际需求，在应用服务层中，创建容器组，即各个容器及之间的调用关系组成的流程，亦即应用服务流程；
步骤5：根据容器组中各个容器及之间的调用关系，在算法服务层中，调用容器，并执行算法可执行程序，返回每个算法可执行程序的结果参数；
步骤6：将每个算法可执行程序执行结果返回容器组中，并将容器组执行的结果返回给租户。
7.根据权利要求6所述的面向多租户的影像云服务方法，其特征在于，步骤2中所述认证即为用户合法性校验；所述计费即为用户使用服务的费用计算。
8.根据权利要求6所述的面向多租户的影像云服务方法，其特征在于，所述步骤4具体步骤如下：
步骤4.1：根据租户实际需求，租户定义或者修改容器组；
步骤4.2：判断租户是否完成对容器组的定义，如果完成，则转到步骤4.3，如果没有完成，则在算法服务注册库中查找满足租户要求的服务，判断是否找到，若是找到则转到步骤1，修改容器组，若没有找到，则结束对容器组定义过程，转到创建新容器服务过程；
步骤4.3：根据算法服务注册库中信息，校验DAG图，若DAG图合法，则转到步骤4.4，若DAG图不合法，则返回DAG图不合法信息，请租户修改容器组；
步骤4.4：根据算法服务注册库记录的信息，查找每个服务状态，判断服务是否处于运行状态，若是处于运行状态，则转到步骤4.5，若不是处于运行状态，则启动容器，进而启动服务，更新该容器服务状态并记录到算法服务注册库，转到步骤4.5；
步骤4.5：将该服务记录到服务清单中，并生成算法服务清单；
步骤4.6：每个服务状态查找过程是否均结束，如果均结束，则转到步骤4.7，如果没有结束，则转到步骤4.4；
步骤4.7：将租户定义好的容器组，即应用服务流程注册到应用服务注册库。
9.根据权利要求6所述的面向多租户的影像云服务方法，其特征在于，所述步骤5具体步骤如下：
步骤5.1：根据步骤4中生成的服务清单中顺序，从容器镜像库中调用相应容器，并启动相应容器；
步骤5.2：启动相应服务；
步骤5.3：判断租户调用该服务请求是否达到，如果达到，则转到步骤5.4，如果没有达到，继续等待，并继续判断租户调用该服务请求是否达到；
步骤5.4：接收请求，并进行租户合法化校验，请求获取租户信息，记录运行信息，同时根据算法服务注册库中，进行服务参数解析，参数格式校验；
步骤5.5：判断参数格式是否合法，若合法，则执行算法程序，转到步骤5.6，若不合法，直接转到步骤5.6；
步骤5.6：返回结果参数。
10.根据权利要求6所述的面向多租户的影像云服务方法，其特征在于，所述创建新容器服务过程，在客户端登录接入之前已经定义完毕，并保存在容器镜像库和算法服务注册库中，容器定义过程如下：
步骤a：定义服务的输入输出参数；
步骤b：同时定义服务管理数据和服务接口数据；
步骤c：创建满足服务质量要求的容器；
步骤d：同时初始化服务质量数据和初始化服务运行数据；
步骤e：设定服务约束；
步骤f：算法执行程序关联部署，即将服务和所调用的算法可执行程序关联起来；
步骤g：打包容器镜像到容器镜像库；
步骤h：将服务信息注册到算法服务注册库。
CN201910572725.0A 2019-06-28 2019-06-28 一种面向多租户的影像云服务系统及方法 Active CN110311973B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910572725.0A CN110311973B (zh) 2019-06-28 2019-06-28 一种面向多租户的影像云服务系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910572725.0A CN110311973B (zh) 2019-06-28 2019-06-28 一种面向多租户的影像云服务系统及方法

Publications (2)

Publication Number Publication Date
CN110311973A true CN110311973A (zh) 2019-10-08
CN110311973B CN110311973B (zh) 2021-06-01

Family

ID=68078342

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910572725.0A Active CN110311973B (zh) 2019-06-28 2019-06-28 一种面向多租户的影像云服务系统及方法

Country Status (1)

Country Link
CN (1) CN110311973B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111083200A (zh) * 2019-11-25 2020-04-28 武汉联影医疗科技有限公司 智能服务网络系统
CN111949374A (zh) * 2020-08-18 2020-11-17 广州市优普科技有限公司 业务数据机器智能化处理平台
CN113703784A (zh) * 2021-08-25 2021-11-26 上海哔哩哔哩科技有限公司 基于容器编排的数据处理方法及装置
CN113918232A (zh) * 2021-09-07 2022-01-11 深圳云天励飞技术股份有限公司 一种算法服务的调用方法、装置、服务器和存储介质
WO2022016560A1 (zh) * 2020-07-22 2022-01-27 江苏宏创信息科技有限公司 一种紧凑型的医疗影像智能存储服务系统
CN114090268A (zh) * 2022-01-11 2022-02-25 北京九章云极科技有限公司 容器管理方法及容器管理系统
CN114338654A (zh) * 2021-12-31 2022-04-12 中国电信股份有限公司 文件传输方法、存储服务分配方法、装置、设备及介质
CN114567567A (zh) * 2022-02-24 2022-05-31 特赞（上海）信息科技有限公司 自适配多云存储的资源管理方法和系统
CN116450382A (zh) * 2023-06-19 2023-07-18 鹏城实验室 一种基于功能定义的数据处理方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105577779A (zh) * 2015-12-21 2016-05-11 用友网络科技股份有限公司 一种容器化部署大企业私有云的方法和系统
WO2016077367A1 (en) * 2014-11-11 2016-05-19 Amazon Technologies, Inc. System for managing and scheduling containers
CN106533772A (zh) * 2016-11-24 2017-03-22 北京动力机械研究所 一种云仿真服务方法
CN106789339A (zh) * 2017-01-19 2017-05-31 北京仿真中心 一种基于轻量级虚拟化架构的分布式云仿真方法与系统
CN107220039A (zh) * 2017-04-11 2017-09-29 国家电网公司 一种基于云环境的异构资源标准化封装系统
WO2018175864A1 (en) * 2017-03-23 2018-09-27 Dh2I Company Highly available stateful containers in a cluster environment
US20190028490A1 (en) * 2017-07-21 2019-01-24 Red Hat, Inc. Container intrusion detection and prevention system

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016077367A1 (en) * 2014-11-11 2016-05-19 Amazon Technologies, Inc. System for managing and scheduling containers
CN107111519A (zh) * 2014-11-11 2017-08-29 亚马逊技术股份有限公司 用于管理和调度容器的系统
CN105577779A (zh) * 2015-12-21 2016-05-11 用友网络科技股份有限公司 一种容器化部署大企业私有云的方法和系统
CN106533772A (zh) * 2016-11-24 2017-03-22 北京动力机械研究所 一种云仿真服务方法
CN106789339A (zh) * 2017-01-19 2017-05-31 北京仿真中心 一种基于轻量级虚拟化架构的分布式云仿真方法与系统
WO2018175864A1 (en) * 2017-03-23 2018-09-27 Dh2I Company Highly available stateful containers in a cluster environment
CN107220039A (zh) * 2017-04-11 2017-09-29 国家电网公司 一种基于云环境的异构资源标准化封装系统
US20190028490A1 (en) * 2017-07-21 2019-01-24 Red Hat, Inc. Container intrusion detection and prevention system

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
C. YANG: "Implementation of Video and Medical Image Services in Cloud", 《2013 IEEE 37TH ANNUAL COMPUTER SOFTWARE AND APPLICATIONS CONFERENCE WORKSHOPS》 *
谢天钧: "智慧医疗云服务平台研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
赵大哲: "《一个面向医学影像理解的研究与开发平台》", 《计算机工程与科学》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111083200B (zh) * 2019-11-25 2022-07-05 武汉联影医疗科技有限公司 智能服务网络系统
CN111083200A (zh) * 2019-11-25 2020-04-28 武汉联影医疗科技有限公司 智能服务网络系统
WO2022016560A1 (zh) * 2020-07-22 2022-01-27 江苏宏创信息科技有限公司 一种紧凑型的医疗影像智能存储服务系统
CN111949374A (zh) * 2020-08-18 2020-11-17 广州市优普科技有限公司 业务数据机器智能化处理平台
CN111949374B (zh) * 2020-08-18 2023-11-24 广州市优普科技有限公司 业务数据机器智能化处理平台
CN113703784A (zh) * 2021-08-25 2021-11-26 上海哔哩哔哩科技有限公司 基于容器编排的数据处理方法及装置
CN113918232A (zh) * 2021-09-07 2022-01-11 深圳云天励飞技术股份有限公司 一种算法服务的调用方法、装置、服务器和存储介质
CN113918232B (zh) * 2021-09-07 2024-05-03 深圳云天励飞技术股份有限公司 一种算法服务的调用方法、装置、服务器和存储介质
CN114338654A (zh) * 2021-12-31 2022-04-12 中国电信股份有限公司 文件传输方法、存储服务分配方法、装置、设备及介质
CN114090268A (zh) * 2022-01-11 2022-02-25 北京九章云极科技有限公司 容器管理方法及容器管理系统
CN114567567A (zh) * 2022-02-24 2022-05-31 特赞（上海）信息科技有限公司 自适配多云存储的资源管理方法和系统
CN114567567B (zh) * 2022-02-24 2024-03-01 特赞（上海）信息科技有限公司 自适配多云存储的资源管理方法和系统
CN116450382A (zh) * 2023-06-19 2023-07-18 鹏城实验室 一种基于功能定义的数据处理方法及系统

Also Published As

Publication number Publication date
CN110311973B (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
CN110311973A (zh) 一种面向多租户的影像云服务系统及方法
US10764289B2 (en) Cross-enterprise workflow
US11816492B2 (en) Third party integration of plugins and widgets
CN111049878B (zh) 微服务调用链具象化的方法、装置、电子装置及存储介质
US8972443B2 (en) Distributed platform for network analysis
US11042387B2 (en) Deploying cross-platform applications on mobile devices with native and web components
CN101946248B (zh) 提供应用程序接口服务并进行应用程序接口跨界混搭的方法和装置
CN110178149A (zh) 数字双胞胎图
US8826248B2 (en) Enabling computational process as a dynamic data source for bi reporting systems
JP2009189541A (ja) 読影支援装置及び方法、並びに医用ネットワークシステム
US20180004897A1 (en) Ris/pacs integration systems and methods
CN110084567A (zh) 电子印章使用方法、装置、设备及计算机可读存储介质
US8296725B2 (en) Framework for variation oriented analysis for service-oriented architecture
US8719388B2 (en) Method for installing a web package within a manufacturing executing system
US20150149209A1 (en) Remote/local reference sharing and resolution
CN111191180A (zh) 发票领域的微服务系统的构建方法、装置及存储介质
CN107742055A (zh) 一种医学影像阅片的移动客户端
Piantadosi et al. A secure, scalable and versatile multi-layer client–server architecture for remote intelligent data processing
US20160078173A1 (en) Method for editing data and associated data processing system or data processing system assembly
Giansanti et al. WhatsApp in mHealth: design and evaluation of an mHealth tool to share dynamic images in hemodynamics
CN108305161A (zh) 一种纳税服务接口梳理方法及装置
CN114116684A (zh) 基于Docker容器化的深度学习大模型与大数据集版本管理方法
US20090271439A1 (en) Systems to implement business processes in computing environment
CN113986850B (zh) 电子卷宗的存储方法、装置、设备和计算机可读存储介质
US20210158938A1 (en) Enhanced Enterprise Image Reading with Search and Direct Streaming

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant