一种基于云计算的医疗影像可视化方案架构

夏洪伟， 夏洪星

(1.湖北工程学院 计算机与信息科学学院，湖北 孝感 432000；2.湖北应城东马坊医院，湖北 应城 432407)

医疗影像已成为患者诊疗的重要手段。高级医疗影像处理和可视化能实现高质量影像的读取功能。通过评估不同方式获取的影像，能对不同时间点获得的医学影像进行比较与分析。医疗影像可视化提供了关于工作流、医疗设备和门诊专科的完整工具链，可以执行交互式影像分段和注册，创建诊疗发现，已经成为医学症状评估的发展趋势。该系统包含计算机辅助诊断算法和程序，不仅能提供3D和4D等后处理功能，而且能进一步拓展到其他相关的医疗应用。

工作流支持基于角色的处理模式。比如，技术人员首先采集图像用于读取，然后放射科医生通过判读医疗影像，建立临床研究结果并生成报告。医学影像可视化的解决方案能实现医疗设备、医院信息系统(HIS)以及放射科信息系统(RIS)之间的交互。该方案不同于传统的基于PACS系统的解决方案。PACS方案主要用于建立医学图像的存储库，实现有限的2D/3D图像显示。图1是包含多个功能单元(HIS / RIS系统、PACS系统、医疗设备、基于客户端/服务器部署医疗可视化解决方案)的医院高级医学影像系统的典型基础设施。

传统的医疗影像可视化系统通常采取基于客户机/服务器模式的解决方案[1]，一般需要在医院网络系统中安装昂贵的基础设施。目前，受初期昂贵的投入成本的限制，很多医院很难实施这种医疗影像可视化解决方案。因此，PACS系统仅用于读取医疗设备生成的图像[2]。在系统中，案例判读很大程度上依赖于放射科医生的专业知识，且需要很长的时间，有时因缺乏相应的解决方案和有效的可视化与测量的算法，导致产生很大的误差。与传统的医疗影像可视化方案相比，基于云计算的高级医疗可视化解决方案能以合理的成本将可视化纳入日常工作流程，从而有利于协助一些小医院，甚至是个体医生提高病人诊断和护理的质量。目前，将基于客户端/服务器模式的医学影像可视化系统转换为一个基于云计算的可视化系统未见相关报道。鉴于此，本文将探索基于云计算的高级医疗可视化解决方案，为医学影像阅读服务提供一条有效的解决途径。

图1 高级医学影像系统的典型基础设施

1 相关工作

云计算将对医疗保健领域产生里程碑式的影响，具有成本低、可用性高以及可扩展性好的优点。近年来，人们对基于云计算的PACS解决方案进行了大量探索[3-7]。文献[5]和[6]研究了基于云计算的3D医疗成像方案。由于该解决方案的设计和实施均在云端进行，因此并不适合开发复杂的基于客户端/服务器模式的解决方案。另外一些商业解决方案，如Terarecon提出的直觉云[7]可解决这一问题，但仍需要现场服务器上传案例和临床结果，以整合医院现有的PACS和其他医疗单元。鉴于此，本文提出一种新的医疗医疗影像可视化体系结构，可使用户在上传病案到云端时，不仅能选择所需的特定病案，而且能够根据用户需要提供个性化订阅服务。例如，医院的心脏病学专业的服务可以订阅医疗可视化解决方案中关于心脏病学的应用程序[8]。

2 系统结构

本节将介绍一种基于云计算服务的高级医学可视化方案(Cloud-Based Advanced Medical Visualization， CBAMV)。该架构将现有高级医学可视化方案从客户端/服务器模式扩展到基于云计算模式，使高级医学可视化方案支持任何客户端设备(包括手持设备)的访问。为实现这一目的，需要在客户端和服务器之间建立适配，如有必要可以采用虚拟化的方式。通过添加组件用于处理病案上传，从云端下载临床结果，确保经过云授权后访问案例，实现基于云方案的远程可视化。图2是本文所提出高级医学影像可视化云架构，其中包含了医院现场和云数据中心所运行的主要组件。高级医学影像可视化的启动面板部署在医院，与HIS / RIS以客户端/服务器模式和PACS系统进行交互，其主要构成部分如下：

(1)病案上传客户端。用于接收DICOM图像，或者从医疗设备、PACS上获取图像，将其数字化后发送到案例上传服务器，是一个独立的桌面应用系统。

(2)虚拟机视图客户端。用于启动虚拟化AdvMedViz客户端的PCoIP会话，实现远程AdvMedViz应用。

(3)Riverbed Steelhead 移动客户端。用于优化从案例上传客户端到服务器的DICOM图像传输，可减少了70%以上传输数据量。

(4)临床结果下载客户端。用于下载云中用户产生的临床结果到医院，也能将结果发送到PACS存档。这些功能集成在病案上载客户端，以便使用统一的界面为用户上传病案和下载读案结果。通过在手持设备如iPad或安卓设备上安装虚拟机视图，客户端实现高级医疗影像的读取。

图2 高级医学影像可视化云架构框图

在云数据中心，需要部署以下主要虚拟组件：

(1)高级医疗影像可视化服务器。

(2)高级医疗影像可视化客户端。

(3)病案上传服务器。用于接受来自案例上传客户端上传的数据并触发适当的预处理。

(4)临床结果下载服务器。用于在用户获取临床结果的请求下，授予用户获取医疗结果的权限。

(5)Riverbed服务器。用于存储传入的DICOM数据，当Riverbed Steelhead移动办公客户端检测到重复案例时，将它们转发到病案上传服务器。

(6)其他支持云组件，主要包括：

a)活动目录服务器。用于存储用户账户信息。

b)虚拟机视图连接服务器。用于接受连接的用户，并将其映射到虚拟机视图池中的一个高级影像可视化客户端。

c)虚拟机视图内容服务器。用于实现虚拟机客户端的管理。

d)虚拟机视图安全服务器。用于创建PCoIP连接的安全连接。

e)虚拟机视图管理服务器。用于监管高级影像可视化客户端虚拟机。

AdvMedViz云与医院其他实体，如HIS、RIS、PACS和成像医疗设备实现无缝集成，并进入放射科的临床日程。实现步骤如下：

a)医院放射科采用不同的扫描仪，如CT、MR 和PET等方式，捕捉DICOM图像，并利用DICOM协议将它们发送到病案上传器。当然图像也可以从PACS发送到病案上传器。HIS 和RIS上的必要信息通过HL7提供给病案上传器。

b)病案上传器(即DICOM接收机)获得图像并匿名化，使用HTTPS协议将它们发送至运行高级影像可视化方案的数据中心。

c)放射科医生使用案例上传器调用上传的病案，并利用虚拟视图客户端进行阅读。

d)利用AdvMedViz应用做远程病案阅读时，放射科医生在数据中心产生临床结果，这些信息通过临床结果下载器传回医院。

e)下载完成后，临床结果去匿名化并送往医院的本地PACS系统，与医疗设备获取的原始DICOM图像合并。

3 性能分析

本文提出的云计算高级医疗影像可视化架构可简化医院现场的部署，在不需要安装额外的基础设施的条件下，即可使用先进的医疗影像可视化服务。图3是传统的基于客户机/服务器与基于云计算的解决方案对比图。

图3 传统方案和基于云的方案比较

通过上传DICOM数据测试该方案的可用性和处理性能，测试网络的平均下载速率为0.44 Mbits/s，平均上传速度为0.29 Mbits/s。病例均自动采用先进的可视化应用程序进行预处理和分析，以便放射科医师阅读。表1列出了采取匿名化处理后，上传和预处理不同大小的数据集所花费的时间。表1结果表明，即使在带宽较低的网络条件下，基于云的解决方案仍能满足实际应用要求。早上扫描的影像，放射科医师下午即可获得分析结果。此外，研究发现在缓慢的网络条件下，执行测量等基本交互操作响应较快，但执行3D运算时响应速度较慢。进一步的评估表明，基于云计算模式的高级医疗影像可视化解决方案使用的最小网络带宽要求是下载带宽2 Mbits/s，上传带宽1 Mbits/s，往返延迟100 ms。因此，医院的网络速度在满足这一最低带宽要求的情况下，本文提出的高级医疗影像可视化云计算解决方案可作为实现医疗可视化理想的、成本适中的解决方案。

表1 性能评价结果

4 结论

本文提出了一种将基于客户端/服务器模式的高级医疗可视化解决方案演化成基于云计算模式的医疗影像可视化方案的通用框架。不论云应用的权限如何，该方案都能有效保证病人健康信息的安全，同时也可实现基于网络的大数据量图像的高效处理，实现与医院的其他设备间的无缝整合，并最终进入放射科医生的临床日常工作。

[参 考 文 献]

[1] iemens AG.Syngo.via-the 3D routine and advanced reading software[EB/OL].[2014-05-04].http://www.siemens.com/syngo.via.

[2] 庞云，常志鹏. 基于云计算的区域PACS医疗共享平台的研究[J].科技视界,2013(36).

[3] Bastiao Silva L A,Costa C,Silva A,et al.A PACS gateway to the cloud[C]//The 6th Iberian Conference on Information Systems and Technologies,2011:1-6.

[4] Teng C C,Mitchell J C,et al.A medical image archive solution in the cloud[C]//IEEE International Conference on Software Engineering and Service Sciences,2010:431-434.

[5] Dorn K,Ukis V,Friese T.A cloud-deployed 3D medical imaging system with dynamically optimized scalability and cloud costs[C]//The 37th EUROMICRO Conference on Software Engineering and Advanced Applications,2011:155-158.

[6] Liu D Z,Hua K A,Sugaya K.A framework for web-based interactive applications of high-resolution 3D medical image data[C]//The 19th IEEE International Symposium on Computer-Based Medical Systems, 2006: 119-124.

[7] Terarecon iNtuition Cloud[EB/OL].[2014-05-04].http://www.terarecon.com/cloud/.

[8] Health Insurance Portability and Accountability Act [EB/OL].[2014-05-04].http://www.hhs.gov/ocr/privacy/.