本發(fā)明涉及數(shù)據(jù)治理，更具體的說是涉及一種醫(yī)學(xué)影像數(shù)據(jù)的治理系統(tǒng)、裝置及可讀存儲介質(zhì)。

背景技術(shù)：

1、隨著醫(yī)學(xué)人工智能技術(shù)的迅猛發(fā)展，醫(yī)學(xué)影像數(shù)據(jù)的標(biāo)注與訓(xùn)練需求呈現(xiàn)出爆炸性增長。然而，傳統(tǒng)的醫(yī)學(xué)影像治理方法在面對這一海量數(shù)據(jù)時，顯得力不從心，暴露出了一系列顯著的問題。

2、首先，在數(shù)據(jù)檢索方面，傳統(tǒng)的治理方法高度依賴于人工閱片來尋找特定部位或影像模態(tài)的數(shù)據(jù)。這一過程不僅耗時耗力，而且效率低下，無法滿足快速、精準(zhǔn)的數(shù)據(jù)檢索需求。在醫(yī)學(xué)影像數(shù)據(jù)量激增的背景下，這種人工檢索方式顯然已經(jīng)無法滿足實際應(yīng)用的需求。

3、其次，在數(shù)據(jù)存儲與傳輸方面，傳統(tǒng)的治理方法采用的存儲方式面臨著巨大的挑戰(zhàn)。醫(yī)學(xué)影像數(shù)據(jù)通常體積龐大，且格式多樣，傳統(tǒng)的存儲系統(tǒng)往往難以承載如此龐大的數(shù)據(jù)量，并且難以滿足高效訪問的需求。此外，醫(yī)學(xué)影像數(shù)據(jù)的傳輸也面臨著諸多困難，如傳輸速度慢、易丟失等問題，這進一步限制了醫(yī)學(xué)影像數(shù)據(jù)的廣泛應(yīng)用。

4、最后，在處理大規(guī)模數(shù)據(jù)時，傳統(tǒng)治理方法顯得力不從心。由于醫(yī)學(xué)影像數(shù)據(jù)的復(fù)雜性和多樣性，傳統(tǒng)方法在處理大規(guī)模數(shù)據(jù)時往往會出現(xiàn)性能瓶頸，處理速度成為制約其廣泛應(yīng)用的關(guān)鍵因素。這不僅影響了醫(yī)學(xué)影像數(shù)據(jù)的處理效率，也限制了醫(yī)學(xué)人工智能技術(shù)的發(fā)展和應(yīng)用。

技術(shù)實現(xiàn)思路

1、針對以上問題，本發(fā)明的目的在于提供一種醫(yī)學(xué)影像數(shù)據(jù)的治理系統(tǒng)、裝置及可讀存儲介質(zhì)，通過提供一種簡便且高效的解決方案，以應(yīng)對海量醫(yī)學(xué)影像文件的治理挑戰(zhàn)，提高檢索效率、優(yōu)化數(shù)據(jù)存儲與傳輸方式，并打破傳統(tǒng)方法的性能限制。

2、本發(fā)明為實現(xiàn)上述目的，通過以下技術(shù)方案實現(xiàn)：

3、第一方面，本發(fā)明公開了一種醫(yī)學(xué)影像數(shù)據(jù)的治理系統(tǒng)，包括：

4、數(shù)據(jù)獲取模塊，用于獲取醫(yī)學(xué)影像數(shù)據(jù)，根據(jù)dicom標(biāo)準(zhǔn)對醫(yī)學(xué)影像數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，生成醫(yī)學(xué)影像文件；

5、檢索模塊，用于提取醫(yī)學(xué)影像文件中的元數(shù)據(jù)和結(jié)構(gòu)化醫(yī)學(xué)影像數(shù)據(jù)，并存儲到預(yù)設(shè)的數(shù)據(jù)庫中，針對元數(shù)據(jù)和結(jié)構(gòu)化醫(yī)學(xué)影像數(shù)據(jù)建立索引，并進行索引優(yōu)化和分表分區(qū)設(shè)計，以提升預(yù)設(shè)的數(shù)據(jù)庫的檢索性能；

6、分布式存儲模塊，用于采用分布式文件系統(tǒng)對醫(yī)學(xué)影像文件進行分塊存儲，通過副本機制確保分塊數(shù)據(jù)可靠性；利用定時任務(wù)進行數(shù)據(jù)的定期備份，對存儲節(jié)點的健康狀態(tài)進行監(jiān)控和數(shù)據(jù)恢復(fù)；

7、數(shù)據(jù)壓縮與傳輸模塊，用于實時獲取當(dāng)前的醫(yī)學(xué)影像數(shù)據(jù)的場景需求，根據(jù)場景需求對待傳輸?shù)尼t(yī)學(xué)影像文件進行壓縮處理，并發(fā)送至需求終端；

8、異步處理模塊，用于實時獲取待解析的醫(yī)學(xué)影像文件的關(guān)鍵信息放入kafka消息隊列中，利用后臺部署的多個應(yīng)用節(jié)點接收kafka消息隊列發(fā)放的解析任務(wù)，并進行并行處理；其中，每個應(yīng)用節(jié)點中開啟有多個線程，以并行處理解析任務(wù)。

9、進一步，所述檢索模塊包括：

10、訪問頻次記錄單元，用于實時記錄每個元數(shù)據(jù)或結(jié)構(gòu)化醫(yī)學(xué)影像數(shù)據(jù)的訪問次數(shù)；

11、緩存單元，用于任一元數(shù)據(jù)或結(jié)構(gòu)化醫(yī)學(xué)影像數(shù)據(jù)的訪問次數(shù)達(dá)到預(yù)設(shè)閾值后，將相應(yīng)的元數(shù)據(jù)或結(jié)構(gòu)化醫(yī)學(xué)影像數(shù)據(jù)緩存到內(nèi)存中。

12、進一步，所述元數(shù)據(jù)包括：影像id、患者信息、影像拍攝時間和設(shè)備信息；所述結(jié)構(gòu)化醫(yī)學(xué)影像數(shù)據(jù)包括：影像分辨率、圖像分析結(jié)果。

13、進一步，所述檢索模塊具體用于：

14、提取醫(yī)學(xué)影像文件中的元數(shù)據(jù)和結(jié)構(gòu)化醫(yī)學(xué)影像數(shù)據(jù)；

15、將元數(shù)據(jù)存儲到mongodb數(shù)據(jù)庫中；

16、將結(jié)構(gòu)化醫(yī)學(xué)影像數(shù)據(jù)存儲到opengauss數(shù)據(jù)庫中。

17、進一步，所述分布式存儲模塊，包括：

18、分塊存儲單元，用于采用hadoop分布式文件系統(tǒng)，將醫(yī)學(xué)影像文件分割為多個數(shù)據(jù)塊，通過哈希算法確定數(shù)據(jù)塊的存儲節(jié)點，將每個數(shù)據(jù)塊存儲到集群中不同的存儲節(jié)點上；

19、副本機制單元，用于為每個數(shù)據(jù)塊創(chuàng)建3個副本數(shù)據(jù)塊，通過哈希算法確定副本數(shù)據(jù)塊的存儲節(jié)點，并存儲到相應(yīng)的存儲節(jié)點上；

20、備份單元，用于利用cron?jobs任務(wù)對醫(yī)學(xué)影像文件中的元數(shù)據(jù)和結(jié)構(gòu)化醫(yī)學(xué)影像數(shù)據(jù)進行定期的快照備份；

21、節(jié)點監(jiān)控與數(shù)據(jù)恢復(fù)單元，用于通過namenode和datanode機制實時監(jiān)控存儲節(jié)點的健康狀態(tài)，當(dāng)發(fā)現(xiàn)存儲節(jié)點狀態(tài)異常時，將該存儲節(jié)點的數(shù)據(jù)塊復(fù)制到空閑的存儲節(jié)點上。

22、進一步，所述數(shù)據(jù)塊的大小為128mb或256mb。

23、進一步，所述數(shù)據(jù)壓縮與傳輸模塊具體用于：

24、實時獲取當(dāng)前的醫(yī)學(xué)影像數(shù)據(jù)的場景需求；

25、如果所述場景需求為影像初步預(yù)覽需求，則使用jpeg-ls的有損壓縮模式對待傳輸?shù)尼t(yī)學(xué)影像文件進行壓縮處理；

26、如果所述場景需求為影像閱片需求，則使用jpeg-ls的無損壓縮模式對待傳輸?shù)尼t(yī)學(xué)影像文件進行壓縮處理。

27、進一步，所述異步處理模塊，包括：

28、任務(wù)提交單元，用于實時獲取待解析的醫(yī)學(xué)影像文件的名稱、路徑封裝成消息，放入kafka消息隊列中；

29、應(yīng)用節(jié)點部署單元，用于在后臺部署多個應(yīng)用節(jié)點，并為每個應(yīng)用節(jié)點開啟十個線程，以并行處理解析任務(wù)；

30、任務(wù)分配單元，用于將kafka消息隊列中的消息按照預(yù)定的順序和優(yōu)先級發(fā)放給應(yīng)用節(jié)點；

31、任務(wù)處理單元，用于當(dāng)應(yīng)用節(jié)點接收到消息后，根據(jù)消息中的醫(yī)學(xué)影像文件的名稱和路徑，解析醫(yī)學(xué)影像文件，進行相應(yīng)的處理生成處理日志和處理后的文件，并存儲到預(yù)設(shè)的數(shù)據(jù)庫中。

32、第二方面，本發(fā)明還公開了一種醫(yī)學(xué)影像數(shù)據(jù)的治理裝置，包括存儲器、處理器以及存儲在所述存儲器中并可在上述處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如上文任一項所述醫(yī)學(xué)影像數(shù)據(jù)的治理系統(tǒng)的功能。

33、第三方面，本發(fā)明還公開了一種可讀存儲介質(zhì)，所述可讀存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上文任一項所述醫(yī)學(xué)影像數(shù)據(jù)的治理系統(tǒng)的功能。

34、對比現(xiàn)有技術(shù)，本發(fā)明有益效果在于：

35、1、本發(fā)明通過引入先進的索引機制、智能分類算法以及高效的檢索技術(shù)，實現(xiàn)了對海量醫(yī)學(xué)影像數(shù)據(jù)的快速定位與精準(zhǔn)提取，顯著提升了檢索效率，降低了人工干預(yù)成本。

36、2、本發(fā)明采用分布式存儲架構(gòu)，結(jié)合hadoop?hdfs等成熟技術(shù)，實現(xiàn)了數(shù)據(jù)的冗余存儲與高效管理，確保了數(shù)據(jù)的安全性與可擴展性。此外，通過優(yōu)化數(shù)據(jù)壓縮算法與傳輸協(xié)議，本發(fā)明還大大降低了數(shù)據(jù)的存儲與傳輸成本，提升了整體性能。

37、3、本發(fā)明通過引入并行處理、多線程技術(shù)以及高效的數(shù)據(jù)處理算法，實現(xiàn)了對海量醫(yī)學(xué)影像文件的高速處理與實時分析。同時，結(jié)合緩存機制與智能調(diào)度系統(tǒng)，本發(fā)明能夠動態(tài)調(diào)整資源分配，確保在處理高峰時段也能保持穩(wěn)定的性能輸出，從而打破了傳統(tǒng)方法的性能限制，為臨床實踐提供了強有力的支持。

38、由此可見，本發(fā)明與現(xiàn)有技術(shù)相比，具有突出的實質(zhì)性特點和顯著的進步，其實施的有益效果也是顯而易見的。