OHIF Viewers中实现DICOM患者姓名搜索不区分大小写的方法
2025-06-20 13:35:41作者:温玫谨Lighthearted
背景介绍
在医学影像查看器OHIF Viewers中,用户经常需要通过患者姓名进行搜索。然而,在某些配置下,搜索功能对大小写敏感,这可能导致用户无法找到实际存在的患者记录。例如,当用户输入全小写的姓名时,系统可能不会显示相同姓名但包含大写字母的患者记录。
问题分析
OHIF Viewers默认使用DICOMweb协议与PACS系统通信。在3.9.1版本中,搜索功能对患者姓名(PATIENT NAME)字段的大小写处理存在以下特点:
- 当使用静态WADO(Web Access to DICOM Objects)服务器时,搜索默认是区分大小写的
- 配置参数如
qidoSupportsIncludeField和supportsFuzzyMatching虽然可以启用模糊匹配,但不会影响大小写敏感性 - 其他PACS系统如Orthanc默认不区分大小写
解决方案
针对静态WADO服务器的配置,可以通过以下方式实现不区分大小写的搜索:
- 修改服务器配置:确保静态WADO服务器支持不区分大小写的查询
- 客户端配置:在OHIF Viewers的配置文件中添加特定参数
具体配置示例如下:
configuration: {
// ...其他配置...
staticWado: true,
caseSensitive: false, // 新增参数,强制不区分大小写
// ...其他配置...
}
实现原理
该功能的实现基于以下技术要点:
- DICOM查询机制:OHIF使用QIDO-RS(QIery based on ID for DICOM Objects by RESTful Services)进行患者搜索
- 查询参数处理:当
caseSensitive设为false时,系统会在发送查询前对搜索词进行规范化处理 - 服务器兼容性:不同PACS系统对大小写敏感性的处理方式不同,需要针对特定服务器类型进行适配
最佳实践
对于不同部署场景,建议采用以下方案:
- 静态WADO服务器:使用最新版本的OHIF Viewers并设置
caseSensitive: false - Orthanc等PACS系统:无需特殊配置,默认即为不区分大小写
- 混合环境:根据实际后端系统类型选择适当的配置方式
注意事项
- 修改配置后需要重启OHIF Viewers服务使更改生效
- 某些特殊字符可能仍会影响搜索结果,建议对输入进行适当过滤
- 性能考虑:不区分大小写的搜索可能在某些大型数据库上影响查询效率
通过以上配置,用户可以确保在OHIF Viewers中获得更符合预期的搜索体验,无论输入的患者姓名使用何种大小写组合,都能找到匹配的记录。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
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
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210