Cornerstone.js 开源项目教程
项目介绍
Cornerstone.js 是一个用于在网页上显示医学图像的开源 JavaScript 库。它提供了强大的图像处理功能,支持多种医学图像格式,如 DICOM,并且可以与各种前端框架(如 React、Vue 等)无缝集成。Cornerstone.js 的核心目标是提供一个高性能、易于使用的图像渲染引擎,使得开发者可以轻松地在网页上展示和操作医学图像。
项目快速启动
安装
首先,你需要在你的项目中安装 Cornerstone.js。你可以使用 npm 或 yarn 来安装:
npm install cornerstone-core
或者
yarn add cornerstone-core
基本使用
以下是一个简单的示例,展示如何在网页上显示一张 DICOM 图像:
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>Cornerstone.js 示例</title>
<script src="https://unpkg.com/cornerstone-core"></script>
</head>
<body>
<div id="image-canvas" style="width: 512px; height: 512px; background-color: black;"></div>
<script>
// 初始化 Cornerstone
cornerstone.enable(document.getElementById('image-canvas'));
// 加载并显示图像
cornerstone.loadImage('path/to/your/dicom/image.dcm').then(function(image) {
cornerstone.displayImage(document.getElementById('image-canvas'), image);
});
</script>
</body>
</html>
关键代码解释
-
初始化 Cornerstone:
cornerstone.enable(document.getElementById('image-canvas'));这行代码将指定的 DOM 元素(
image-canvas)初始化为 Cornerstone 的渲染区域。 -
加载并显示图像:
cornerstone.loadImage('path/to/your/dicom/image.dcm').then(function(image) { cornerstone.displayImage(document.getElementById('image-canvas'), image); });这行代码加载指定的 DICOM 图像,并在初始化的 DOM 元素中显示图像。
应用案例和最佳实践
应用案例
Cornerstone.js 广泛应用于医学影像系统(PACS)、远程诊断、医学教育等领域。例如,医院可以使用 Cornerstone.js 构建一个在线影像查看系统,医生可以通过浏览器远程查看患者的 CT、MRI 等影像资料。
最佳实践
-
性能优化: 对于大尺寸的医学图像,建议使用 Web Workers 进行图像处理,以避免阻塞主线程,提高渲染性能。
-
图像交互: 结合 Cornerstone.js 的工具库(如
cornerstoneTools),可以实现图像的缩放、平移、窗宽窗位调整等交互功能。 -
多图像同步: 在多图像查看场景中,可以使用 Cornerstone.js 的事件系统,实现多个图像的同步显示和操作。
典型生态项目
-
CornerstoneTools: 这是一个与 Cornerstone.js 配套的工具库,提供了丰富的图像交互工具,如测量、标注、窗宽窗位调整等。
-
CornerstoneWADOImageLoader: 用于加载 DICOM 图像的加载器,支持从 WADO 服务器加载图像。
-
OHIF Viewer: 一个基于 Cornerstone.js 构建的开源医学影像查看器,提供了完整的 PACS 系统解决方案。
通过这些生态项目,开发者可以快速构建功能强大的医学影像应用。
通过本教程,你应该已经掌握了 Cornerstone.js 的基本使用方法,并了解了其在实际应用中的最佳实践和相关生态项目。希望这些内容能帮助你更好地使用和开发基于 Cornerstone.js 的应用。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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