DWV项目中的矢量标注更新机制解析
2025-07-09 22:45:25作者:申梦珏Efrain
在医学影像处理领域,矢量标注(如矩形框、多边形ROI等)是常见的辅助诊断工具。本文深入解析DWV(DICOM Web Viewer)项目中矢量标注的更新机制,帮助开发者更好地理解和使用相关API。
核心API解析
DWV提供了DrawController.updateDraw方法用于更新矢量标注,该方法需要接收一个DrawDetails对象作为参数。常见的误区包括:
-
参数类型混淆:开发者容易将
getDrawStoreDetails()或getDrawDisplayDetails()的返回值直接作为参数传入,但前者返回的是存储格式的元数据,后者返回的是DrawDetails[]数组。 -
数据结构要求:
updateDraw要求传入单个DrawDetails对象,而非数组。正确的使用方式应该是:
const dc = app.getActiveLayerGroup().getActiveDrawLayer().getDrawController();
const detailsArray = dc.getDrawDisplayDetails();
// 取第一个标注详情进行更新
dc.updateDraw(detailsArray[0]);
标注数据结构详解
典型的矢量标注数据包含以下关键信息:
- 几何信息:包括宽度、高度等尺寸数据
- 量化数据:如面积、最小值、最大值等统计信息
- 元数据:如文本表达式等附加信息
示例数据结构:
{
"id": {
"meta": {
"textExpr": "{surface}",
"quantification": {
"width": {"value": 50.72, "unit": "mm"},
"height": {"value": 52.11, "unit": "mm"},
"surface": {"value": 26.43, "unit": "cm²"}
}
}
}
}
未来发展方向
DWV正在向DICOM结构化报告(SR)标准迁移,这将带来以下改进:
- 标准化格式:解决当前标注格式不统一的问题
- 三维支持:增强对三维标注数据的处理能力
- 互操作性:提升与其他医学影像工具的兼容性
最佳实践建议
对于需要处理矢量标注的开发者:
- 明确区分存储详情(
getDrawStoreDetails)和显示详情(getDrawDisplayDetails) - 处理数组类型的返回结果时,注意提取单个标注对象
- 关注项目向DICOM SR标准的迁移计划,提前做好兼容性设计
通过正确理解这些机制,开发者可以更高效地在DWV项目中实现矢量标注的创建、更新和管理功能。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
407
3.14 K
Ascend Extension for PyTorch
Python
226
252
暂无简介
Dart
673
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
319
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
658
React Native鸿蒙化仓库
JavaScript
262
326
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868