OHIF/Viewers 项目中实现标注与分割编辑的撤销/重做功能解析
2025-06-20 02:19:30作者:裘晴惠Vivianne
医学影像标注与分割是医学影像分析中的关键环节,而在此过程中难免会出现误操作或需要调整的情况。OHIF/Viewers 项目在 3.10 版本中引入了撤销/重做功能,为医学影像标注和分割编辑提供了更灵活的操作体验。
功能背景与意义
在医学影像处理领域,精确的标注和分割对于后续的诊断和分析至关重要。传统的医学影像标注工具往往缺乏撤销机制,一旦操作失误,用户只能手动修正或重新开始,这不仅降低了工作效率,也增加了使用者的挫败感。OHIF/Viewers 作为开源的医学影像查看器,此次引入的撤销/重做功能填补了这一空白,使标注工作流程更加人性化。
技术实现要点
该功能的实现基于经典的命令模式(Command Pattern),通过记录用户操作序列来实现状态回退与前进。核心设计考虑包括:
- 操作原子性:每个用户交互被定义为一个独立的操作单元,确保撤销/重做时能够完整还原状态
- 历史记录管理:系统维护一个有限容量的操作栈,平衡内存使用与用户体验
- 状态一致性:在撤销后执行新操作时自动清除重做历史,避免状态不一致
功能特性详解
标准撤销/重做行为
用户可以通过快捷键或界面按钮执行连续多次撤销操作,系统将按照操作发生的逆序逐步回退。重做功能则允许用户在撤销后恢复之前的操作,直到执行新的编辑动作为止。
开发者控制接口
项目提供了API层面的控制能力,开发者可以:
- 动态启用/禁用撤销重做功能
- 清空操作历史记录
- 设置历史记录的最大容量
- 自定义操作合并策略
应用场景与价值
在实际医学影像标注工作中,这一功能带来了显著改进:
- 实验性编辑:医生可以大胆尝试不同的标注方案,不满意时可轻松回退
- 复杂操作容错:多步骤分割操作中,某一步出错不必全部重来
- 教学演示:在教学场景中可逐步展示标注过程,也可回退讲解
技术挑战与解决方案
实现过程中面临的主要挑战包括:
- 内存管理:医学影像数据量大,完整保存每个状态不现实。解决方案是采用增量记录方式,只保存变更部分
- 性能优化:频繁操作时需保证响应速度。通过操作合并和异步处理实现
- 状态同步:确保撤销/重做后视图与数据一致。采用响应式更新机制
未来发展方向
虽然当前实现已满足基本需求,但仍有优化空间:
- 操作分组:支持将多个相关操作绑定为一个逻辑单元进行撤销
- 可视化历史:提供时间线式的操作历史查看界面
- 云同步:支持跨会话的撤销历史持久化
这一功能的引入标志着OHIF/Viewers在用户体验方面的重大进步,为医学影像分析工作流提供了更专业、更高效的工具支持。
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
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
🔥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
64
19
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322