OHIF/Viewers项目中异步创建空分割标签的注意事项
2025-06-20 03:08:23作者:劳婵绚Shirley
在医学影像处理领域,OHIF/Viewers是一个广泛使用的开源DICOM影像查看器。近期在项目开发过程中,开发者发现了一个关于异步创建分割标签的重要技术细节,值得深入探讨。
问题背景
在OHIF/Viewers的3.9版本之前,当开发者使用createEmptySegmentationForViewport命令创建新的分割标签时,会遇到一个异步处理的问题。具体表现为:在命令执行后立即查询分割服务时,新创建的分割标签尚未出现在服务列表中,尽管它已经能在用户界面上显示。
技术分析
问题的根源在于createEmptySegmentationForViewport命令内部调用了updateViewportsForSegmentationRendering函数,但未使用await关键字等待其完成。这个函数负责更新视口以显示分割结果,是一个异步操作。
在3.9版本之前,典型的错误使用方式如下:
await command.commandFn({ viewportId: viewportGridService.getActiveViewportId() });
console.log(segmentationService.segmentations); // 新分割标签可能不存在
解决方案
OHIF团队在3.9版本中对此问题进行了修复,主要改进包括:
- 确保所有异步操作都被正确等待
- 优化了
createLabelmapForViewport的实现逻辑 - 默认创建堆栈(stack)而非体积(volume),减少了不必要的异步等待
最佳实践
对于开发者而言,在使用OHIF的分割功能时应注意:
- 确保使用3.9或更高版本
- 理解分割创建是异步过程
- 如需立即使用新创建的分割标签,应使用适当的异步处理机制
- 注意分割类型(堆栈或体积)的选择会影响性能和行为
版本兼容性说明
从3.9版本开始,OHIF对分割标签的创建逻辑进行了重大改进。开发者升级后应注意:
- 默认创建的分割类型变为堆栈(stack)
- 体积(volume)创建变为可选配置
- 异步处理更加可靠和一致
这一改进不仅解决了原始问题,还优化了整体性能,特别是在处理大型医学影像数据集时。开发者现在可以更可靠地预测分割标签的创建状态,并在此基础上构建更复杂的影像处理流程。
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
413
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