基于B/S架構的醫用磁共振質量控制處理系統的設計研究

聯勤保障部隊第900醫院（原南京軍區福州總醫院）放射診斷科，福建福州350025

引言

在醫學影像學不斷發展的過程中，磁共振成像（Magnetic Resonance Imaging，MRI）技術已逐步成為影像學檢查的核心技術之一，是目前臨床工作和研究不可或缺的一種檢查手段。醫用磁共振設備的運行狀態與其質量控制水平有著密切的關系[1-3]。在生產實踐中，有效而系統的設備管理及質量控制工作，能保證MRI設備運行的可靠性[4-5]。在質量控制模式中，通過對設備核心參數進行檢測及評估，矯正及優化設備參數，使設備在最佳運行狀態下工作，能提高檢查圖像的質量，并降低設備運行過程中的風險水平[6-9]。

目前常用的MRI質量控制處理方法是掃描特定的模體，獲取圖像數據后，將數據手動導出后進行手工測算，或手動導入到第三方處理軟件獲取檢測結果。該方法流程易于實施，但數據在傳遞傳輸過程中需要較多的人為操作因素，增加了出錯的概率，管理效率不高，整體流程的處理效率也有所不足。

互聯網技術的發展為數字化地完成醫用磁共振設備質量控制工作提供了一種解決思路。基于瀏覽器/服務器（Browser/Server，B/S）結構的系統模型能更加便捷地維護網內設備，在實現需求的前提下，也可以控制系統維護成本處于相對較低的水平，適用于醫用磁共振質量控制處理系統的開發[10-11]。

本研究旨在構建一套基于B/S架構的醫用磁共振質量控制處理系統，以dcm4che開源DICOM圖像服務框架與醫用磁共振設備工作站設備建立圖像傳輸鏈接，由Node.js提供中間網絡平臺和應用服務[12]，以MySQL等作為數據庫，并連接以Python為主的核心運算模塊及費寧等[13]用于機器學習及人工智能開發的框架平臺，構建連續、完整、統一的醫用磁共振質量控制處理系統[14-16]。該系統在標準規范的要求下部署與進行拓展，能有效地提高醫用磁共振設備質量控制工作上的工作效率和準確性。

1 需求分析

研究利用B/S架構搭建醫用磁共振設備質量控制處理系統，構建設備注冊模塊、質量控制數據處理模塊等。

1.1 設備注冊模塊

為便于對醫用磁共振設備進行統一管理，需對設備信息進行注冊登記，作為后續工作開展的基礎。需要標記的設備信息（部分）如表1所示。

表1 醫用磁共振設備信息（部分）登記列表

醫用磁共振設備在系統中進行注冊后，后續其對應的質量控制結果、維護日志等可實時歸檔關聯，提高管理效率。

1.2 質量控制數據處理模塊

質量控制數據處理模塊主要用于對質量控制管理操作產生的文本數據、圖像數據等進行智能處理及分析，獲得相應質量控制所需檢驗信息的結果。

醫用磁共振質量控制的圖像質量控制方面，主要根據不同的醫用磁共振檢測模體，獲得模體在特定參數條件下的圖像，對該圖像進行參數計算得出結果。其主要核心測算參數（部分）如表2所示。

表2 醫用磁共振質量控制核心參數（部分）表

服務器通過對文本及圖像數據進行處理，將處理結果返回網絡中轉平臺，經數據渲染后返回可視化頁面，便于用戶直觀地獲取結果及進行后續操作。

2 系統結構設計

2.1 系統架構

系統采用B/S架構模式進行部署。如圖1所示，前端表示層面向用戶提供醫用磁共振設備的信息登記、質量控制管理、信息查詢、日志管理、數據導入導出等服務；業務邏輯層由Node.js作為運行環境，搭建與前后端進行交互的Web服務器數據通訊樞紐，提供應用服務，并與python核心運算模塊及tensorflow機器學習開發平臺鏈接；數據存儲層由MySQL、MongoDb等數據庫保存常用文本信息，由Redis構建高速緩存數據庫，由dcm4che構建用于存儲標準醫學影像數據的DICOM圖像服務器[17-20]。

圖1 醫用磁共振質量控制處理系統架構圖

2.2 系統業務流程

該系統的主要操作流程如圖2所示。管理人員在登錄系統后，進行設備信息登記、質量控制管理、信息查詢、日志管理、數據導入導出等操作。網絡平臺收到請求后，根據請求的內容將請求信息分發到對應的模塊，在獲得返回結果后將其返回給用戶，管理人員可根據后續結果進行下一步操作。

圖2 醫用磁共振質量控制處理系統操作流程圖

3 系統開發

3.1 系統核心業務與功能

系統的核心業務目標是實現MR質控圖像獲取、分析、反饋等功能的一體化整合。

3.1.1 質控圖像數據的獲取

質控圖像由測試工程師在MR設備上根據標準，利用特定模體進行檢測獲得。所獲得的圖像由MR設備工作站上傳至dcm4che構建的DICOM圖像服務器。如對檢測序列進行自動歸檔設置，可實現圖像的自動上傳功能，無需測試工程師額外操作。

3.1.2 質控圖像數據的分析

圖像數據分析模塊監聽DICOM圖像服務器的數據列表，當有新的數據上傳至DICOM圖像服務器時，則圖像數據分析模塊調取該圖像數據，根據該數據的信息標簽進行對應的運算分析，獲得檢測結果。

3.1.3 數據處理結果的反饋

圖像數據分析模塊在完成運算分析并獲得檢測結果后，將結果反饋至由Node.js構建的網絡服務器，由網絡服務器負責保存和歸檔檢測結果，將結果推送至測試工程師賬號或等待調閱。

3.2 開發環境及軟件結構

本系統的客戶端軟件采用谷歌公司（Google Inc.）的Chrome瀏覽器；服務端以Node.js為基礎，采用Express開發框架處理業務流程，構建基礎應用服務，以python及對應的tensorflow平臺處理核心運算問題；數據庫使用MySQL、MongoDB、Redis，以及用于存儲和傳輸標準DICOM圖像的dcm4che服務。

3.2.1 用戶界面構建

前端應用軟件以網頁瀏覽器（Chrome瀏覽器）為軟件主體。系統頁面以Bootstrap、Semantic UI等樣式框架，以及AngularJS、JQuery代碼庫等作為主要的構建工具。

3.2.2 服務器端組件

服務器端采用Node.js的Express框架搭建Web服務器。Node.js構建的Web服務器對外用于響應用戶的操作請求，對內負責調度DICOM圖像服務、各數據庫及核心運算模塊等。

3.3 系統環境部署及試運行

為了使系統能穩定運行，并保留最大的開發拓展余地，應留意系統運行的軟硬件環境選擇及部署。

3.3.1 分布式的服務器部署

根據系統的核心架構，可以將DICOM圖像服務器、Web服務器及Python數據處理接口部署在不同的服務器設備上，每個服務器設備根據需求進行拓展和進一步的功能開發，便于后續服務的升級。

3.3.2 Web服務端運行模式的選擇

如采用Node.js的“cluster”模式啟用多進程，能提高Web服務器的高并發請求響應能力及系統的穩定性。

3.3.3 前端瀏覽器的選擇

臺式計算機終端設備和移動終端設備都建議采用最新版本的Chrome瀏覽器（本系統采用的是Chrome v80.0.4），以達到最好的軟件兼容性。Windows XP及下的操作系統，采用V49版本的Chrome瀏覽器。

3.4 統計學處理

采用SPSS 18.0統計分析軟件，符合正態分布的計量資料以±s表示，兩組間比較采用t檢驗；計數資料以率表示，兩組間比較采用χ2檢驗。P<0.05為差異有統計學意義。

4 應用效果

基于B/S架構的醫用磁共振質量控制處理系統能在較低的開發成本下達到高性能、高拓展性及高可維護性的特點，滿足工作需求。區別于傳統的大型醫療設備質量控制管理模式，本研究構建了一個連續、完整、統一的數字化醫用磁共振質量控制處理系統。通過架設DICOM圖像服務器及MySQL數據庫等與醫用磁共振設備工作站對接，醫用磁共振質量控制過程中產生的文本數據、圖像數據可實時上傳至服務器，交付于相應的運算模塊處理，并將結果及時反饋給各終端設備（包括臺式計算機終端設備及移動終端設備等），免除了人工數據傳輸步驟，減少了出錯的可能性，同時提高了工作效率。該系統的核心模塊已穩定在線并為醫用磁共振質量控制工作提供支持，在測試服務器設備上穩定運行超過百日（圖3，由PM2管理模塊提供），無嚴重程序錯誤。測試服務器設備參數，見表3。

圖3 醫用磁共振質量控制處理系統運行狀況

表3 醫用磁共振質量控制處理系統測試服務器主要參數

系統試運行期間，工作人員隨機抽取20組測試，進行對手工計算方法、第三方輔助程序計算方法及磁共振質控處理系統方法的運算結果進行比較，組間結果存在顯著差異。手工計算方法受制于技術人員操作計算的熟練度；采用第三方輔助程序的方法時能極大提高運算效率，但將圖像從工作站導出再載入軟件占用了較多的時間；采用磁共振質控處理系統可免除圖像人工導入導出所消耗的時間，極大地提高工作效率，見表4。

表4 三種磁共振質控核心參數計算方法用時比較

5 討論

該系統具有的特點：①成本低：系統使用中等配置的服務器即可部署核心應用模塊，且所需模塊軟件組成均為開源免費軟件；②高拓展性：系統提供了多樣化的應用接口，可根據后續的需求在現有服務基礎上便捷地添加功能組件；③高可維護性：B/S結構的系統更新便捷，且數據統一歸檔有利于技術人員高效地維護設備。

系統需要改進的地方：①目前系統功能集中在單一的塔式工作站中，運算效率和系統穩定性無法得到保障，后續將引進更多服務器設備采用集群與分布式的方法來分解業務功能；②目前系統主要限制在局域網內測試和使用，后續將拓展互聯網的連接并適配移動端軟件，技術人員在手機等設備上即可獲得檢測結果，提高便捷性；③基于Python的數據分析模塊及Tensorflow平臺的應用還不夠完善，后續將根據需求做更多拓展。

6 結論

本文闡明一種基于B/S架構的醫用磁共振設備質量控制處理系統應用價值及拓展前景，提供構建該系統的流程方案。該系統結合醫用磁共振設備在質量控制規范標準的要求和生產實踐過程中的需求，實現了連續、完整、統一的醫用磁共振質量控制處理流程，極大地便利了技術人員的檢測工作，提高了醫用磁共振質控工作的效率和質量。此外，系統能便捷地拓展和構建對應的應用模塊，采用Tensorflow等機器學習平臺對接的模式，對接入人工智能相關的技術的接入保有便捷的數據交互接口，極大地提高了該系統功能的拓展延伸前景。