一个面向影像理解的开发环境.doc

一个面向影像理解的研究与开发平台（A Research and Development Plattform for Image Understanding）1. 引言随着生命科学、电子学、信息科学的快速发展，医学影像学已成20世纪医学领域中知识更新最快的学科之一。医学影像检查在临床医学诊断中发挥着越来越重要的作用。在医学影像理解领域，研究人员正在努力开发能够更清晰地显示医生关注的影像区域，准确标注其特征的影像分析与处理算法，为医生正确判断疾病提供更准确的依据。计算机辅助检测与诊断系统是一个典型的应用系统。一个支持影像数据管理、算法复用、算法模拟和算法集成的开发环境将有效地提高算法研发人员的开发效率。面向影像理解的研发平台是一个基于软件构件技术（Software Component Technology）、领域工程（Domain Engineering），支持算法研发、复用和集成，以及影像应用系统开发的平台。早在六十年代末，D. McIlroy就提出了通过复用软件构件来大规模生产软件的思想。软件复用软件是在软件开发中避免重复劳动的有效途径，其出发点是应用系统的开发不再采用一切“从零开始”的模式，而是以已有的工作为基础，充分复用过去开发中积累的知识和软件。基于研发环境开发的影像理解应用系统由三个部分构成，即：通用构件是特定于计算机系统的构成成分，如：基本的数据结构、用户界面元素等，它们可以存在于各种应用系统中；基础算法是应用系统所属领域的共性构成成分，如：窗宽/窗位、，它们存在于影像理解的各个应用系统中；专用算法是各个应用系统的特有构成成分，如：肺实质分割、感兴趣区域（ROI-）选择等。2. 相关工作近年来，国际上面向影像理解的开发环境方面的研发工作进展十分快速。目前，研发成果的主要特点是，平台具有可视化pipelines的GUI，支持需求描述，提供丰富的影像理解算法，支持统一的数据、内存、控制管理，提供用户扩展的机制等。由美国MIT Artificial Intelligence Lab和the Surgical Planning Lab at Brigham & Womens Hospital共同开发的3DSlicer是一个面向医学影像的自动校准，半自动分割，3D表面模型重建，三维可视化以及量化分析的开源医学可视化和研究处理环境。Slicer的特点是独创了用来描述由各种方式采集到的多种医学影像数据集所构成的三维场景的Medical Reality Modeling Language。Medical Reality Modeling Language（MRML）。由德国MeVis gGmbH Bremen开发的MeVisLab是一个支持医学影像分割、配准、容量分析和定量的形态和功能分析的开发平台，主要包括影像处理模块（ML Modules）、可视化模块（Inventor Modules）、宏模块（Macro Modules）网络布局模块(Network Layout)。MeVisLab的特点是算法可以很容易地集成到系统中的组件化、平台无关的C类库中，并通过抽象、继承性的定义允许有效的图形用户接口的定义，对用户隐藏了后端模块网络的复杂性。由美国Dartmouth Experimental Visualization Laboratory开发的ImageTcl 是一个基于Tcl/Tk（Tool Command Language/Toolkit）的多媒体算法开发系统。ImageTcl特点是在底层用C进行算法开发，产生大量可复用的模块，在脚本级，这些模块可以构建、测试应用系统，其上层使用Tcl/Tk进行控制和系统配置。由爱尔兰Dublin City University开发的NeatVision是一个基于可视化编程的面向医学成像应用及计算机辅助诊断的影像分析开发环境。NeatVision包含了300多个影像操作、处理和分析算法，从基础的象素操作到彩色图像分析以及数据可视化，该系统是由Java语言开发，图像的显示由JAI（Java Advanced Imaging）实现，不支持面向显示卡的编程，在算法优化方面有限。由德国University of Bonn开发的Julius是一个面向医学可视化、模拟和导航的通用软件框架。Julius的特点是通过连接接口使得多种手术导航系统CAS可以集成到一个环境中，并支持对手术导航系统十分重要的系统实时操作。3. 架构设计与核心服务实现机制3.1可扩展，高复用、易操作的架构设计架构（Architecture）设计是平台开发中的关键环节。在架构设计过程中，我们将平台的可扩展，高复用和易操作作为重点设计目标。可扩展是指系统的结构可扩展和功能可扩展，在结构扩展方面，采用开放式的软件框架结构，并基于组件技术实现系统功能的开发、集成、管理，在功能扩展方面，系统预设多种类型的功能扩展接口，支持功能扩展配置。高复用是指模块级复用和过程级复用，在模块级复用上，支持基本的数学处理（矩阵、向量运算）、程序基础功能（字符串处理）和基础的算法（平滑、反显）等的复用，在过程复用方面，支持基础处理过程（影像显示、用户数据交互等），特定处理过程（ROI提取、器官分割等）和模块组合测试等的复用。易操作是指支持交互界面的操作、系统帮助和查询、开发向导和图形化定义。图1描述了由用户接口层、功能组件层、执行服务层和数据管理层四个层次构成的平台体系结构。图1 平台体系结构 用户接口层：平台与用户的唯一交互接口，具有易用、方便和美观特点。易用是指提供完备的平台提示和帮助功能，采用向导的方式简化开发难度；方便是指通过定制的界面布局，在窗口移动，数据输入输出等方面做到操作更方便。 功能组件层：聚集了平台中全面功能组件，每项功能都以一个封装的组件形式集成在平台中，一方面支持平台的运行，另一个方面支持应用研发的组件复用。通用组件支持；可视化组件支持；算法组件支持；GUI组件支持；应用组件支持；流程定义组件支持；组件开发向导组件支持；检索/帮助组件支持；系统管理组件支持；网络管理组件支持。 执行服务层：平台全部服务的执行和管理层，支持流程的运行、图像的显示，以及相关管理功能。流程解析引擎支持；组件加载引擎支持；影像可视化引擎支持；组件库管理支持；流程模版管理支持；内容/数据管理支持。 数据管理层：平台的统一数据管理、服务层，数据包括原始数据、显示数据、测试数据、流程数据等。工作流程模版库存储；医学影像数据池存储；系统运行数据池存储；组件库存储3.2多模式、可扩展的核心服务实现机制在功能方面，平台主要是面向辅助开发、测试算法的需要、高效集成新算法的需要和支持原型系统开发的需要，提供支持算法开发和集成的规范接口，提供辅助算法开发的各种影像数据的装载和可视化库，提供支持算法复用的的组件库，提供支持算法测试/运行的流程定义、解析和执行引擎。 4. 结论面向影像理解的研究与开发平台是一个目标定位于具有通用性的可视化领域，目前主要针对肺部CAD系统研发具有完全自主知识产权的集成化算法研发平台，将能够实现医学影像的三维可视化，影像分析与处理，还具有基于影像资源库的自动检测和分类以及特征检索等功能，而工作流技术在该项目中的运行更是增加了系统的灵活性。但是，由于我对医学影像处理方面的知识还不丰富，所以对一些问题的理解会有不准确和不全面的现象。因此在设计上，实现上都会有或多或少的不足，所以在下个工作阶段中，我会逐步地完善该系统，使得开发平台具有更强的通用性和鲁棒性。(1) 进一步深入工作流管理技术在开发平台中的应用，现在只是在算法层