CN115995287B - 一种云影像资料收发系统及方法 - Google Patents
一种云影像资料收发系统及方法 Download PDFInfo
- Publication number
- CN115995287B CN115995287B CN202310286622.4A CN202310286622A CN115995287B CN 115995287 B CN115995287 B CN 115995287B CN 202310286622 A CN202310286622 A CN 202310286622A CN 115995287 B CN115995287 B CN 115995287B
- Authority
- CN
- China
- Prior art keywords
- data
- image
- unit
- module
- image data
- 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.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种云影像资料收发系统及方法,涉及图像数据处理技术领域,包含影像捕获模块、传输模块、影像处理模块、储存管理模块、诊断查阅模块和数据生命周期管理模块,所述影像捕获模块的输出端通过传输模块与所述影像处理模块的输入端连接,所述影像处理模块的输出端与所述储存管理模块的输入端连接,所述储存管理模块的输出端与所述诊断查阅模块的输入端连接,所述数据生命周期管理模块分别于与所述诊断查阅模块、影像数据捕获模块和储存管理模块连接,本发明通过多层面重建方法MPR和二维积分Radon变换结合实现云端影像重建和处理,采用零足迹诊断查看器Mach7 eUnity调阅影像资料,大大提高了图像处理能力。
Description
技术领域
本发明涉及图像数据处理技术领域,且更具体地涉及一种云影像资料收发系统及方法。
背景技术
随着医院影像检查日益增多,以传统胶片为载体的打印介质已经不足以支撑几百甚至上千帧的原始影像数据,并且数字化设备不断升级,影像存档与传输系统数据储存压力大,需要不断扩容以满足数据存储的需求,医学影像、健康档案、检验报告、电子病历等互联网医疗有效解决该痛点,医学云影像系统是互联网医疗的基础,立足医院实际,切实解决医院、医生和患者的需求,依托云平台的安全策略和大数据服务能力,以云存储为基础,实现医疗影像资料共享。但是常规技术在应用过程中,图像数据处理能力滞后,图像处理难以满足现有技术分析和应用图像的需求。
针对现有技术的不足,比如专利号CN202110438919.9公开一种基于分布式CT终端机的医学影像云影像系统,通过影像采集终端、PACS服务器端、HTTP服务器端、主用户端和观察者用户端实现医学影像数据的采集、存储归档管理、影像可视化交互和多用户的协同会话,虽然在一定程度上也能够解决影像的图像处理问题,但是未考虑云端影像的产生和处理,以及云端影像信息的诊断查看,图像处理能力显得滞后,因此需要一种云影像资料收发系统及方法。
发明内容
针对现有技术的不足,本发明公开了一种云影像资料收发系统及方法,能够实现云端影像快速重建处理,以及零足迹零空间查阅;通过多层面重建方法MPR和二维积分Radon变换结合实现云端影像重建,并采用体模Shepp-Logan滤波器过滤高频失真信号实现滤波处理,提高影像数据信息的处理效果;采用零足迹诊断查看器Mach7 eUnity调阅影像资料,保证设备空间的零占用;通过电子病历EMR调取患者完整影像学病史实现诊断方案快速准确全面制定,大大提高了图像处理能力。
作为本发明进一步的技术方案,一种云影像资料收发系统,其中所述系统包括:
影像捕获模块,用于影像资料的采集,所述影像捕获模块基于影像采集服务器实现放射科医疗设备的影像资料采集,所述影像采集服务器通过医疗设备传输协议标准DICOM3.0获取放射科医疗影像设备原始影像资料信息并传输至下一层处理;
传输模块,用于云影像资料传输,所述传输模块通过安全套接层SSL实现云影像资料的加密保护;
影像处理模块,用于影像资料数据信息的可视化、重建处理和分析,所述影像处理模块包括数据重建单元、图像分割单元、图像滤波单元和模型整合单元,并采用多线程可视化VTK并行计算实现影像处理加速,所述数据重建单元的输出端与所述图像分割单元的输入端连接,所述图像分割单元的输出端与所述图像滤波单元的输入端连接,所述图像滤波单元的输出端与所述模型整合单元的输出端连接;
储存管理模块,用于影像资料信息的云储存、归档、加密压缩和管理,所述储存管理模块采用医学影像报告管理系统PACS实现影像资料信息分类孤立储存和统一管理,以简化图像访问时影像资料信息的提取;
诊断查阅模块,用于医生临床诊断和用户查阅影像资料,所述诊断查阅模块包括权限审核单元、高速检索单元、外部交互单元和零足迹查阅单元,所述权限审核单元的输出端与所述高速检索单元的输入端连接,所述高速检索单元的输出端与所述零足迹查阅单元的输出端连接,所述零足迹查阅单元的输出端与所述外部交互单元的输出端连接;
数据生命周期管理模块,用于数据输出到数据销毁整个数据生命周期管理,以及数据泄露、数据丢失和系统故障时数据保护和灾难恢复,所述生命周期管理模块包括数据整合单元、数据备份单元、归档控制单元、身份判别单元、数据清除单元和迁移应用单元,所述数据整合单元、数据备份单元、归档控制单元、数据清除单元和迁移应用单元独立工作并与外层模块连接实现数据生命周期管理;
其中,所述影像捕获模块的输出端通过传输模块与所述影像处理模块的输入端连接,所述影像数据捕获模块的输出端与所述数据生命周期管理模块的输入端连接,所述影像处理模块的输出端与所述储存管理模块的输入端连接,所述储存管理模块的输出端与所述诊断查阅模块的输入端连接,所述储存管理模块的输出端与所述数据生命周期管理模块的输入端连接,所述数据生命周期管理模块的输出端与所述储存管理模块的输入端连接,所述数据生命周期管理模块的输出端与所述诊断查阅模块的输入端连接,所述诊断查阅模块的输出端与所述数据生命周期管理模块的输入端连接,所述诊断查阅模块外设无线网络接口。
作为本发明进一步的技术方案,所述数据重建单元通过多层面重建方法MPR和二维积分Radon变换结合实现冠状、矢状位和任意角度斜位图像重组。
作为本发明进一步的技术方案,所述多层面重建方法MPR基于XY、XZ和YZ三个平面切空间数据实现影像轴状面、冠状面和矢状面分割,所述XY、XZ和YZ平面通过二维积分Radon变换实现单一二维平面映射处理。
作为本发明进一步的技术方案,所述积分Radon变换将XY、XZ和YZ平面数据信号转换为正弦Sinogram图,所述正弦Sinogram图通过反投影重建算法FBP形成图像。
作为本发明进一步的技术方案,所述积分Radon变换将平面图像中心设为原点,原点到直线L的距离为ρ,原点到直线L的垂线偏移方向角为θ,直线L的输出函数表达式为:
在公式(1)中,(x,y)为原点到直线L垂点的坐标,x为垂点的横坐标,y为垂点的纵坐标,ρ为原点到直线L的距离,θ为原点到直线L的垂线偏移方向角,L(ρ,θ)表示直线L的表达式;
函数f(x,y)过直线L区域的积分函数表达式为:
在公式(2)中,F(x,y)为函数f(x,y)的线积分,f(x,y)为过直线L区域的函数,为函数f(x,y)的狄拉克函数,x为原点到直线L垂点的横坐标,y为原点到直线L垂点的纵坐标,θ为原点到直线L的垂线偏移方向角,p为任意常数,dx为函数f(x,y)在x方向上的微分,dy为函数f(x,y)在y方向上的微分;
平行于直线L的直线具有相同的偏移角θ和不同的径向坐标,每个特定偏移角对应直线的积分Radon变换产生不同的投影线,积分Radon变换将原图像空间中的直线映射为点,图像中高灰度值直线形成亮点,低灰度值线段形成暗点,对直线的检测可转化为在变换区域对亮点、暗点的检测。
作为本发明进一步的技术方案,所述反投影重建算法FBP包括以下步骤,
步骤1、将经过积分Radon变换的原始平行线投影进行一次傅里叶变换;所述傅里叶变换的输出函数公式为:
在公式(3)中,F(x,y)为经过积分Radon变换的原始平行线投影,为经过积分Radon变换的原始平行线投影傅里叶变换式,e为常数,x为函数F(x,y)在x方向上的微分,dy为函数F(x,y)在y方向上的微分;
步骤2、设计合适的滤波器,在θ的角度下对原始平行线投影滤波,得到滤波后的投影;
步骤3、滤波后的投影采用积分Radon变换反投影得到满足x和y方向上的原图像的参数;
步骤4、将所有不同投影线的反投影叠加得到重建后的投影。
作为本发明进一步的技术方案,所述图像滤波单元采用体模Shepp-Logan滤波器实现原始平行线投影滤波函数加窗处理,所述体模Shepp-Logan滤波器通过正弦函数截断理想V型滤波函数高频部分,使用体模Shepp-Logan滤波器时需要对滤波函数离散化处理,所述滤波函数离散化处理输出函数表达式为:
其中,hSL为离散化滤波函数,δ为采样间隔,n为采样点,n=0,±1,...,±n。
作为本发明进一步的技术方案,所述零足迹查阅单元采用零足迹诊断查看器Mach7 eUnity实现影像资料的调阅,所述零足迹诊断查看器Mach7 eUnity通过电子病历EMR调取患者完整影像学病史完成诊断方案制定,并且从数据源访问影像实现访问设备零足迹诊断。
作为本发明进一步的技术方案,一种云影像资料收发方法,包括以下步骤:
步骤一、通过影像捕获模块实现放射科医疗设备影像资料数据采集,并通过数据整合单元整合影像资料数据信息;
步骤二、通过传输模块将原始影像资料数据信息传输至数据处理模块;
步骤三、通过储存管理模块实现影像资料数据信息分类孤立储存和统一管理,影像资料数据储存包括在线储存和归档储存,归档存储存放3年内压缩影像文件包,在线存储区存放一年内未压缩影像文件,通过数据备份单元、归档控制单元和数据清除单元实现储存数据冗余备份、归档控制和无用数据清除;
步骤四、用户在线查阅影像资料时通过身份判别单元判别使用者身份和数据用途,并通过诊断查阅模块调阅储存数据库中的影像资料,所述迁移应用单元通过 eUnity服务器实现影像资料跨院诊断查看;
步骤五、通过数据生命周期管理模块监测数据状态及系统环境;
在步骤五中,所述数据状态和系统环境出现异常时,所述数据生命周期管理模块通过规划策略和领导力模型DLM 划分数据保护和灾难恢复任务的优先顺序实现数据泄露、数据丢失或系统故障灾难性后果的及时应对。
积极有益效果:
本发明公开了一种云影像资料收发系统及方法,能够实现云端影像快速重建处理,以及零足迹零空间查阅;通过多层面重建方法MPR和二维积分Radon变换结合实现云端影像重建,并采用体模Shepp-Logan滤波器过滤高频失真信号实现滤波处理,提高影像数据信息的处理效果;采用零足迹诊断查看器Mach7 eUnity调阅影像资料,保证设备空间的零占用;通过电子病历EMR调取患者完整影像学病史实现诊断方案快速准确全面制定,本发明大大提高了图像数据信息处理能力。
附图说明
图1为本发明一种云影像资料收发系统的整体架构示意图;
图2为本发明一种云影像资料收发系统中数据处理模块的模型架构示意图;
图3为本发明一种云影像资料收发方法的整体架构原理图;
图4为本发明一种云影像资料收发方法中数据生命周期管理模块的原理示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种云影像资料收发系统,其中所述系统包括:
影像捕获模块,用于影像资料的采集,所述影像捕获模块基于影像采集服务器实现放射科医疗设备的影像资料采集,所述影像采集服务器通过医疗设备传输协议标准DICOM3.0获取放射科医疗影像设备原始影像资料信息并传输至下一层处理;
传输模块,用于云影像资料传输,所述传输模块通过安全套接层SSL实现云影像资料的加密保护;
影像处理模块,用于影像资料数据信息的可视化、重建处理和分析,所述影像处理模块包括数据重建单元、图像分割单元、图像滤波单元和模型整合单元,并采用多线程可视化VTK并行计算实现影像处理加速,所述数据重建单元的输出端与所述图像分割单元的输入端连接,所述图像分割单元的输出端与所述图像滤波单元的输入端连接,所述图像滤波单元的输出端与所述模型整合单元的输出端连接;
储存管理模块,用于影像资料信息的云储存、归档、加密压缩和管理,所述储存管理模块采用医学影像报告管理系统PACS实现影像资料信息分类孤立储存和统一管理,以简化图像访问时影像资料信息的提取;
诊断查阅模块,用于医生临床诊断和用户查阅影像资料,所述诊断查阅模块包括权限审核单元、高速检索单元、外部交互单元和零足迹查阅单元,所述权限审核单元的输出端与所述高速检索单元的输入端连接,所述高速检索单元的输出端与所述零足迹查阅单元的输出端连接,所述零足迹查阅单元的输出端与所述外部交互单元的输出端连接;
数据生命周期管理模块,用于数据输出到数据销毁整个数据生命周期管理,以及数据泄露、数据丢失和系统故障时数据保护和灾难恢复,所述生命周期管理模块包括数据整合单元、数据备份单元、归档控制单元、身份判别单元、数据清除单元和迁移应用单元,所述数据整合单元、数据备份单元、归档控制单元、数据清除单元和迁移应用单元独立工作并与外层模块连接实现数据生命周期管理;
其中,所述影像捕获模块的输出端通过传输模块与所述影像处理模块的输入端连接,所述影像数据捕获模块的输出端与所述数据生命周期管理模块的输入端连接,所述影像处理模块的输出端与所述储存管理模块的输入端连接,所述储存管理模块的输出端与所述诊断查阅模块的输入端连接,所述储存管理模块的输出端与所述数据生命周期管理模块的输入端连接,所述数据生命周期管理模块的输出端与所述储存管理模块的输入端连接,所述数据生命周期管理模块的输出端与所述诊断查阅模块的输入端连接,所述诊断查阅模块的输出端与所述数据生命周期管理模块的输入端连接,所述诊断查阅模块外设无线网络接口。
在具体实施例中,重建的图像是三维图像处理的典型输入,接下来的目标是区分图像中的感兴趣的区域并构建这些结构的数字三维模型,即图像分割,通过图像滤波移除或减少图像中不必要的噪声或伪影,对数据进行裁剪或重采样以提高处理的容易程度和效率;采用一系列高效的方法进行图像分割,包括高度自动化和用户主导的进程;对得到的模型进行测量或统计分析,以定量分析结构;导入CAD组件并与基于图像得到的复杂模型整合;可导出各种格式用于进一步的模拟和/或设计工作、增材制造。
在上述实施例中,所述数据重建单元通过多层面重建方法MPR和二维积分Radon变换结合实现冠状、矢状位和任意角度斜位图像重组。
在具体实施例中,从CT或MRI扫描仪获取的原始数据必须要先通过重建过程转换成断层图像,才能够更好地解释和理解图像,这通过在扫描设备附带的软件实现,无论是CT还是MRI,输出结果都是灰度强度的三维位图,即体素网格,在CT扫描中,特定体素处的灰度强度与受试者在特定体素处对X射线的吸收有关,而在MRI仪器中,它与质子在在施加非常强的磁场后弛豫过程中发出的信号强度有关,不同的组织会有不同的质子浓度,图像中出现不同的灰度强度。
在上述实施例中,所述多层面重建方法MPR基于XY、XZ和YZ三个平面切空间数据实现影像轴状面、冠状面和矢状面分割,所述XY、XZ和YZ平面通过二维积分Radon变换实现单一二维平面映射处理。
在具体实施例中,多平面重建MPR是CT三维数据呈现的重要内容,其在三维数据的任一点空间位置,采用XY、XZ和YZ三个平面切空间数据得到三个切面分别为轴状面、冠状面和矢状面,而且X/Y/Z三个轴可以绕三维坐标原点任意旋转,MPR就是从原始数据中获取截面,在VTK中,通过采样、缩放、Mask对图像进行某种过滤,当然多平面重建也是一种过滤,从三维体数据中过滤出某个平面进行处理。
在上述实施例中,所述积分Radon变换将XY、XZ和YZ平面数据信号转换为正弦Sinogram图,所述正弦Sinogram图通过反投影重建算法FBP形成图像。
在具体实施例中,Radon变换的本质是将原来的函数做了一个空间转换,即,将原来的XY平面内的点映射到AB平面上,那么原来在XY平面上的一条直线的所有的点在AB平面上都位于同一点,记录AB平面上的点的积累厚度,便可知XY平面上的线的存在性,这是Radon变换的实质所在。
在上述实施例中,所述积分Radon变换将平面图像中心设为原点,原点到直线L的距离为ρ,原点到直线L的垂线偏移方向角为θ,直线L的输出函数表达式为:
在公式(1)中,(x,y)为原点到直线L垂点的坐标,x为垂点的横坐标,y为垂点的纵坐标,ρ为原点到直线L的距离,θ为原点到直线L的垂线偏移方向角,L(ρ,θ)表示直线L的表达式;
函数f(x,y)过直线L区域的积分函数表达式为:
在公式(2)中,F(x,y)为函数f(x,y)的线积分,f(x,y)为过直线L区域的函数,为函数f(x,y)的狄拉克函数,x为原点到直线L垂点的横坐标,y为原点到直线L垂点的纵坐标,θ为原点到直线L的垂线偏移方向角,p为任意常数,dx为函数f(x,y)在x方向上的微分,dy为函数f(x,y)在y方向上的微分;
平行于直线L的直线具有相同的偏移角θ和不同的径向坐标,每个特定偏移角对应直线的积分Radon变换产生不同的投影线,积分Radon变换将原图像空间中的直线映射为点,图像中高灰度值直线形成亮点,低灰度值线段形成暗点,对直线的检测可转化为在变换区域对亮点、暗点的检测。
在具体实施例中,若函数 f(x,y) 表示一个未知的密度,对 f(x,y) 做拉东变换,相当于得到 f(x,y) 投影后的信号,f(x,y) 相当于人体组织,断层扫描的输出信号相当于对 f(x,y) 做拉东变换,可以用拉东反变换从投影后的结果重建原始的密度函数 f(x,y)。拉东变换是重建CT扫描的数学理论基础,三在维重建中,拉东变换后的信号称作 “正弦图”,因为一个偏离中心的点的拉东变换是一条正弦曲线。所以对多个点状分布的拉东变换会看起来像许多不同振福、相位的正弦函数叠加在一起。
由于狄拉克δ函数的限制,以上积分沿着直线x cosα+ y sinα= s进行,CT 扫描可以沿任意法方向α、与原点成任意距离s的直线,得到R(s,α)以后可以利用拉东变换的反演来重构f(x,y)。
在上述实施例中,所述反投影重建算法FBP包括以下步骤,
步骤1、将经过积分Radon变换的原始平行线投影进行一次傅里叶变换;所述傅里叶变换的输出函数公式为:
在公式(3)中,F(x,y)为经过积分Radon变换的原始平行线投影,为经过积分Radon变换的原始平行线投影傅里叶变换式,e为常数,x为函数F(x,y)在x方向上的微分,dy为函数F(x,y)在y方向上的微分;
步骤2、设计合适的滤波器,在θ的角度下对原始平行线投影滤波,得到滤波后的投影;
步骤3、滤波后的投影采用积分Radon变换反投影得到满足x和y方向上的原图像的参数;
步骤4、将所有不同投影线的反投影叠加得到重建后的投影。
在具体实施例中,滤波反投影重建算法常用在CT成像重建中,背后的数学原理是傅里叶变换:对投影的一维傅里叶变换等效于对原图像进行二维的傅里叶变换,通过投影上执行傅里叶变换,可以从每个投影中得到二维傅里叶变换,从而投影图像重建的问题,可以按以下方法进行求解:采集不同时间下足够多的投影,求解各个投影的一维傅里叶变换,将切片汇集成图像的二维傅里叶变换,再利用傅里叶反变换求得重建图像。
投影重建的过程是,先把投影由线阵探测器上获得的投影数据进行一次一维傅里叶变换,再与滤波器函数进行卷积运算,得到各个方向卷积滤波后的投影数据;然后把它们沿各个方向进行反投影,即按其原路径平均分配到每一矩阵单元上,进行重叠后得到每一矩阵单元的CT值;再经过适当处理后得到被扫描物体的断层图像。
数据重建单元在具体实施例中还可以包含信息自适应模型调节模块,该模块通过提取到的数据信息,将提取到的信息与设置的阈值以及实际数据信息进行对比、比较,以提高自适应调节能力,能够使用户在重建信息时,可以根据设置属性或者信息自适应调节不同的信息值。在具体实施例中, 还在图像分割单元设置索引模块,以自动化索引所要分割的图像或者对象,在具体实施例中图像滤波单元可以设置去噪模块,以提高去噪能力,在具体实施例中,模型整合单元还可以设置融合模块,以提高不同信息的融合能力。
每一个角度的投影的傅里叶变换,是穿过频域坐标中心的一条直线,最后形成一个点散射的形状,中心片段在 ωx-ωy 平面的原点的密度高于在远离原点的区域的密度,而在傅里叶空间原点附近的区域是低频区域。对低频分量的过分加权导致图像变得模糊。为了消除模糊的效果,我们对傅里叶空间要进行加权矫正,使其密度均匀。使用了一个低频滤波器,|w|,抑制低频成分,提高图像的清晰度。
在上述实施例中,所述图像滤波单元采用体模Shepp-Logan滤波器实现原始平行线投影滤波函数加窗处理,所述体模Shepp-Logan滤波器通过正弦函数截断理想V型滤波函数高频部分,使用体模Shepp-Logan滤波器时需要对滤波函数离散化处理,所述滤波函数离散化处理输出函数表达式为: (4)
其中,hSL为离散化滤波函数,δ为采样间隔,n为采样点,n=0,±1,...,±n。
在具体实施中,S-L滤波器在频域上不是直接加窗截断,而是通过一些比较平滑的窗函数对函数进行约束。因此经过S-L滤波后重构的图像振荡更少,重构的图像质量比R-L滤波器更好一些,但是因为S-L在高频段并没有直接截断,偏离了理想滤波器的效果,使用滤波器能极大的提高重建图像的质量。
在上述实施例中,所述零足迹查阅单元采用零足迹诊断查看器Mach7 eUnity实现影像资料的调阅,所述零足迹诊断查看器Mach7 eUnity通过电子病历EMR调取患者完整影像学病史完成诊断方案制定,并且从数据源访问影像实现访问设备零足迹诊断。
在具体实施中,eUnity 是市场领先的零占用空间查看和独立于供应商的集成平台。它使临床医生能够快速、不间断地访问来自不同或专有系统的诊断图像。其丰富的功能集可满足临床医生和放射科医生的图像可视化需求,无需专用工作站,具有以下功能:
1.为整个企业的临床医生统一和标准化可视化;
2.通过 EMR 提供完整的成像历史记录,无论图像存储在何处;
3.让放射科医生在任何浏览器或设备上访问诊断工具;
4.降低技术复杂性、资源和成本;
eUnity 诊断查看器为放射科医生提供了新的灵活性和自由度,能够从任何地方读取,同时具有与 PACS 观察环境相同的性能。快速扩展远程放射学支持,让放射科医生能够远程工作或推出新的商业阅读服务。
在上述实施例中,一种云影像资料收发方法,包括以下步骤:
步骤一、通过影像捕获模块实现放射科医疗设备影像资料数据采集,并通过数据整合单元整合影像资料数据信息;
步骤二、通过传输模块将原始影像资料数据信息传输至数据处理模块;
步骤三、通过储存管理模块实现影像资料数据信息分类孤立储存和统一管理,影像资料数据储存包括在线储存和归档储存,归档存储存放3年内压缩影像文件包,在线存储区存放一年内未压缩影像文件,通过数据备份单元、归档控制单元和数据清除单元实现储存数据冗余备份归档控制和无用数据清除;
步骤四、用户在线查阅影像资料时通过身份判别单元判别使用者身份和数据用途,并通过诊断查阅模块调阅储存数据库中的影像资料,所述迁移应用单元通过 eUnity服务器实现影像资料跨院诊断查看;
步骤五、通过数据生命周期管理模块监测数据状态及系统环境;
在步骤五中,所述数据状态和系统环境出现异常时,所述数据生命周期管理模块通过规划策略和领导力模型DLM 划分数据保护和灾难恢复任务的优先顺序实现数据泄露、数据丢失或系统故障灾难性后果的及时应对。
在具体实施中,数据生命周期管理DLM是一种在从数据输入到数据销毁的整个生命周期内管理数据的方法,数据根据不同的条件分处不同的阶段,随着其完成不同的任务或满足特定要求而逐次经历这些阶段,一个出色的DLM流程提供针对数据的结构和组织,帮助实现流程中的关键目标,包括数据安全性和数据可用性。
这些目标对于任务成功非常关键,而且随着时间的推移越来越凸显出其重要性。DLM策略和流程做好准备应对因数据泄露、数据丢失或系统故障而带来的灾难性后果。出色的DLM战略会划分数据保护和灾难恢复任务的优先顺序,尤其是在越来越多的恶意行为实施者利用快速增长的数据进入市场的形势下。这样,当发生灾难时,可借助业已实施的有效的数据恢复计划从容应对。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些具体实施方式仅是举例说明,本领域的技术人员在不脱离本发明的原理和实质的情况下,可以对上述方法和系统的细节进行各种省略、替换和改变。例如,合并上述方法步骤,从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此,本发明的范围仅由所附权利要求书限定。
Claims (6)
1.一种云影像资料收发系统,其特征在于:所述系统包括:
影像捕获模块,用于影像资料的采集,所述影像捕获模块基于影像采集服务器实现放射科医疗设备的影像资料采集,所述影像采集服务器通过医疗设备传输协议标准DICOM3.0获取放射科医疗影像设备原始影像资料信息并传输至下一层处理;
传输模块,用于云影像资料传输,所述传输模块通过安全套接层SSL实现云影像资料的加密保护;
影像处理模块,用于影像资料数据信息的可视化、重建处理和分析,所述影像处理模块包括数据重建单元、图像分割单元、图像滤波单元和模型整合单元,并采用多线程可视化VTK并行计算实现影像处理加速,所述数据重建单元的输出端与所述图像分割单元的输入端连接,所述图像分割单元的输出端与所述图像滤波单元的输入端连接,所述图像滤波单元的输出端与所述模型整合单元的输出端连接;
储存管理模块,用于影像资料信息的云储存、归档、加密压缩和管理,所述储存管理模块采用医学影像报告管理系统PACS实现影像资料信息分类孤立储存和统一管理,以简化图像访问时影像资料信息的提取;
诊断查阅模块,用于医生临床诊断和用户查阅影像资料,所述诊断查阅模块包括权限审核单元、高速检索单元、外部交互单元和零足迹查阅单元,所述权限审核单元的输出端与所述高速检索单元的输入端连接,所述高速检索单元的输出端与所述零足迹查阅单元的输出端连接,所述零足迹查阅单元的输出端与所述外部交互单元的输出端连接;
数据生命周期管理模块,用于数据输出到数据销毁整个数据生命周期管理,以及数据泄露、数据丢失和系统故障时数据保护和灾难恢复,所述生命周期管理模块包括数据整合单元、数据备份单元、归档控制单元、身份判别单元、数据清除单元和迁移应用单元,所述数据整合单元、数据备份单元、归档控制单元、数据清除单元和迁移应用单元独立工作并与外层模块连接实现数据生命周期管理;
其中,所述影像捕获模块的输出端通过传输模块与所述影像处理模块的输入端连接,所述影像捕获模块的输出端与所述数据生命周期管理模块的输入端连接,所述影像处理模块的输出端与所述储存管理模块的输入端连接,所述储存管理模块的输出端与所述诊断查阅模块的输入端连接,所述储存管理模块的输出端与所述数据生命周期管理模块的输入端连接,所述数据生命周期管理模块的输出端与所述储存管理模块的输入端连接,所述数据生命周期管理模块的输出端与所述诊断查阅模块的输入端连接,所述诊断查阅模块的输出端与所述数据生命周期管理模块的输入端连接,所述诊断查阅模块外设无线网络接口;
云影像资料收发系统的工作方法为:
步骤一、通过影像捕获模块实现放射科医疗设备影像资料数据采集,并通过数据整合单元整合影像资料数据信息;
步骤二、通过传输模块将原始影像资料数据信息传输至数据处理模块;
步骤三、通过储存管理模块实现影像资料数据信息分类孤立储存和统一管理,影像资料数据储存包括在线储存和归档储存,归档存储存放3年内压缩影像文件包,在线存储区存放一年内未压缩影像文件,通过数据备份单元、归档控制单元和数据清除单元实现储存数据冗余备份、归档控制和无用数据清除;
步骤四、用户在线查阅影像资料时通过身份判别单元判别使用者身份和数据用途,并通过诊断查阅模块调阅储存数据库中的影像资料,所述迁移应用单元通过 eUnity服务器实现影像资料跨院诊断查看;
步骤五、通过数据生命周期管理模块监测数据状态及系统环境;
在步骤五中,所述数据状态和系统环境出现异常时,所述数据生命周期管理模块通过规划策略和领导力模型DLM 划分数据保护和灾难恢复任务的优先顺序实现数据泄露、数据丢失或系统故障灾难性后果的及时应对;
其中所述数据重建单元通过多层面重建方法MPR和二维积分Radon变换结合实现冠状、矢状位和任意角度斜位图像重组;
所述多层面重建方法MPR基于XY、XZ和YZ三个平面切空间数据实现影像轴状面、冠状面和矢状面分割,所述XY、XZ和YZ平面通过二维积分Radon变换实现单一二维平面映射处理;
从CT或MRI扫描仪获取的原始数据必须要先通过重建过程转换成断层图像,通过在扫描设备附带的软件实现,在CT扫描中,特定体素处的灰度强度与受试者在特定体素处对X射线的吸收有关,不同的组织会有不同的质子浓度,图像中出现不同的灰度强度;
在三维数据的任一点空间位置,采用XY、XZ和YZ三个平面切空间数据得到三个切面分别为轴状面、冠状面和矢状面,而且X/Y/Z三个轴可以绕三维坐标原点任意旋转,MPR就是从原始数据中获取截面,在VTK中,通过采样、缩放、Mask对图像进行某种过滤。
2.根据权利要求1所述的一种云影像资料收发系统,其特征在于:所述积分Radon变换将XY、XZ和YZ平面数据信号转换为正弦Sinogram图,所述正弦Sinogram图通过反投影重建算法FBP形成图像。
3.根据权利要求2所述的一种云影像资料收发系统,其特征在于:所述积分Radon变换将平面图像中心设为原点,原点到直线L的距离为ρ,原点到直线L的垂线偏移方向角为θ,直线L的输出函数表达式为:
在公式(1)中,(x,y)为原点到直线L垂点的坐标,x为垂点的横坐标,y为垂点的纵坐标,ρ为原点到直线L的距离,θ为原点到直线L的垂线偏移方向角,L(ρ,θ)表示直线L的表达式;
函数f(x,y)过直线L区域的积分函数表达式为:
在公式(2)中,F(x,y)为函数f(x,y)的线积分,f(x,y)为过直线L区域的函数,为函数f(x,y)的狄拉克函数,x为原点到直线L垂点的横坐标,y为原点到直线L垂点的纵坐标,θ为原点到直线L的垂线偏移方向角,p为任意常数,dx为函数f(x,y)在x方向上的微分,dy为函数f(x,y)在y方向上的微分;
平行于直线L的直线具有相同的偏移角θ和不同的径向坐标,每个特定偏移角对应直线的积分Radon变换产生不同的投影线,积分Radon变换将原图像空间中的直线映射为点,图像中高灰度值直线形成亮点,低灰度值线段形成暗点,对直线的检测可转化为在变换区域对亮点、暗点的检测。
4.根据权利要求2所述的一种云影像资料收发系统,其特征在于:所述反投影重建算法FBP包括以下步骤,
步骤1、将经过积分Radon变换的原始平行线投影进行一次傅里叶变换;所述傅里叶变换的输出函数公式为:
在公式(3)中,F(x,y)为经过积分Radon变换的原始平行线投影,为经过积分Radon变换的原始平行线投影傅里叶变换式,e为常数,x为函数F(x,y)在x方向上的微分,dy为函数F(x,y)在y方向上的微分;
步骤2、设计合适的滤波器,在θ的角度下对原始平行线投影滤波,得到滤波后的投影;
步骤3、滤波后的投影采用积分Radon变换反投影得到满足x和y方向上的原图像的参数;
步骤4、将所有不同投影线的反投影叠加得到重建后的投影。
6.根据权利要求1所述的一种云影像资料收发系统,其特征在于:所述零足迹查阅单元采用零足迹诊断查看器Mach7 eUnity实现影像资料的调阅,所述零足迹诊断查看器Mach7eUnity通过电子病历EMR调取患者完整影像学病史完成诊断方案制定,并且从数据源访问影像实现访问设备零足迹诊断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310286622.4A CN115995287B (zh) | 2023-03-23 | 2023-03-23 | 一种云影像资料收发系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310286622.4A CN115995287B (zh) | 2023-03-23 | 2023-03-23 | 一种云影像资料收发系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115995287A CN115995287A (zh) | 2023-04-21 |
CN115995287B true CN115995287B (zh) | 2023-06-13 |
Family
ID=85993850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310286622.4A Active CN115995287B (zh) | 2023-03-23 | 2023-03-23 | 一种云影像资料收发系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115995287B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112786194A (zh) * | 2021-01-28 | 2021-05-11 | 北京一脉阳光医学信息技术有限公司 | 基于人工智能的医学影像导诊导检系统、方法及设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150099375A (ko) * | 2014-02-21 | 2015-08-31 | 삼성전자주식회사 | 컴퓨터 단층 촬영 장치 및 그에 따른 ct 영상 복원 방법 |
KR101728046B1 (ko) * | 2015-08-27 | 2017-04-18 | 삼성전자주식회사 | 단층 영상 복원 장치 및 그에 따른 단층 영상 복원 방법 |
WO2021035511A1 (en) * | 2019-08-27 | 2021-03-04 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for four-dimensional ct scan |
CN111223554A (zh) * | 2019-12-26 | 2020-06-02 | 四川大学华西医院 | 一种智能ai pacs系统及其检查报告信息处理方法 |
CN114119790A (zh) * | 2020-08-27 | 2022-03-01 | 上海联影医疗科技股份有限公司 | 医学成像方法、装置、电子设备和存储介质 |
CN112200545A (zh) * | 2020-10-30 | 2021-01-08 | 湖南天湘和信息科技有限公司 | 一种影像统筹管理系统 |
CN115527657A (zh) * | 2022-10-14 | 2022-12-27 | 北京帆引未来科技有限公司 | 基于医学数字成像和通信的影像、图像多模态重建、成像及标注 |
-
2023
- 2023-03-23 CN CN202310286622.4A patent/CN115995287B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112786194A (zh) * | 2021-01-28 | 2021-05-11 | 北京一脉阳光医学信息技术有限公司 | 基于人工智能的医学影像导诊导检系统、方法及设备 |
Non-Patent Citations (1)
Title |
---|
Metal artifact reduction in dual energy CT by sinogram segmentation based on active contour model and TV inpainting;Hui Xue,等;《2009 IEEE Nuclear Science Symposium Conference Record (NSS/MIC)》;第904-908页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115995287A (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10078727B2 (en) | Cloud-based medical image processing system with tracking capability | |
US11957497B2 (en) | System and method for hierarchical multi-level feature image synthesis and representation | |
EP2815372B1 (en) | Cloud-based medical image processing system with anonymous data upload and download | |
US20230082494A1 (en) | System and method for targeted object enhancement to generate synthetic breast tissue images | |
JP4219130B2 (ja) | 医用イメージングの経時的変化を検出するために時間的サブトラクションをアプリケーション・サービス・プロバイダとして実現するための圧縮/レジストレーション併用技法 | |
US20120324397A1 (en) | System and method for wireless interaction with medical image data | |
CN111882513A (zh) | 临床驱动的图像融合 | |
CA3231256A1 (en) | Labeling, visualization, and volumetric quantification of high-grade brain glioma from mri images | |
US20160287131A1 (en) | Distributed microwave image processing system and method | |
CN112070785A (zh) | 一种基于计算机视觉的医学图像分析方法 | |
Ghoshal et al. | 3D reconstruction of spine image from 2D MRI slices along one axis | |
CN115995287B (zh) | 一种云影像资料收发系统及方法 | |
Li et al. | A multi-pronged evaluation for image normalization techniques | |
WO2020198560A1 (en) | Systems and methods for non-destructive de-identification of facial data in medical images | |
Celik et al. | Extracting low dimensional representations from large size whole slide images using deep convolutional autoencoders | |
Kallergi et al. | High-performance wavelet compression for mammography: localization response operating characteristic evaluation | |
Suganthi et al. | Interactive Visualization for Understanding and Analyzing Medical Data | |
US20240104802A1 (en) | Medical image processing method and apparatus and medical device | |
Zeng | Directly filtering the sparse-view CT images by BM3D | |
Shi et al. | Ultrasound image denoising autoencoder model based on lightweight attention mechanism | |
Birajdar et al. | Transform domain robust watermarking method using Riesz wavelet transform for medical data security and privacy | |
Sumathi et al. | 10 Harnessing Deep | |
JP2000126172A (ja) | 放射線画像形成装置 | |
CN116958414A (zh) | 一种基于医学图像的三维重建方法和系统 | |
van Erning et al. | PACS in practice: The status of the PACS project at the St. Radboud University Hospital. Part A: Introduction and the Picture System |
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 |