OHIF Viewer对DICOM结构化报告(SR)格式支持的现状与挑战
2025-06-20 00:04:01作者:范垣楠Rhoda
概述
OHIF Viewer作为一款开源的医学影像查看器,在DICOM结构化报告(Structured Report, SR)的支持方面目前主要局限于TID 1500模板。然而,临床实践中存在多种SR模板需求,这种局限性影响了放射科医生的工作流程和诊断效率。
当前支持情况
OHIF Viewer目前仅支持TID 1500模板的显示,这是DICOM标准中用于基本诊断报告的一个模板。当用户尝试查看其他格式的SR文档时,系统会显示"不支持的结构化报告类型"的错误提示。
临床需求分析
根据用户反馈,以下SR模板在临床工作中尤为重要:
- CT辐射剂量报告(TID 10011)
- 投影X射线辐射剂量报告(TID 10001)
- 血管患者特征报告(TID 5101)
- 血管超声报告(TID 5100)
- 乳腺X线CAD文档根(TID 4000)
这些模板涵盖了从辐射剂量监控到特定检查类型的结构化报告,是放射科日常工作的重要组成部分。
技术挑战
实现通用SR支持面临几个关键技术挑战:
- 模板多样性:DICOM标准定义了数百种模板,每种都有独特的结构和语义。
- 嵌套复杂性:SR文档通常包含多层嵌套结构,需要深度解析。
- 图像关联:某些模板(如TID 300)包含与图像相关的测量数据,需要在图像上可视化显示。
- 实现差异:不同厂商对标准的实现可能存在差异,增加了兼容性难度。
- 模板标识缺失:子级模板通常不包含模板标识符,需要通过模式识别来确定其类型。
解决方案方向
针对这些挑战,可以考虑以下技术路线:
- 通用文本渲染:首先实现基本的HTML转换,提供可读性良好的文本显示,这是OHIF v2已有的功能。
- 模板特定处理:为常用模板开发专门的解析和显示逻辑。
- 混合渲染策略:结合通用文本显示和特定模板的增强功能(如图像标注)。
- 模式识别算法:开发能够识别嵌套模板类型的算法,即使缺少明确标识符。
最新进展
OHIF团队已开始增加对文本型SR的支持,这是向更广泛SR兼容性迈出的重要一步。这种基础支持为后续添加特定模板功能奠定了基础。
未来展望
随着医学影像信息化的发展,对SR的支持将成为医学影像查看器的核心能力之一。OHIF Viewer需要平衡通用性和特定功能,既要支持广泛的SR文档,又要为关键模板提供深度集成。这需要社区共同努力,收集更多临床需求,并开发相应的技术解决方案。
对于开发者而言,参与这一领域的贡献不仅能够提升OHIF的功能完备性,也能深入了解DICOM SR标准的复杂性和临床应用场景。
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
414
3.18 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
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++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492