带你走进web医疗影像的世界

身为一名Web前端开发者,时常会听到圈内的朋友抱怨"学不动了"。确实如此,前端技术的横向发展和迭代速度实在是太快了,然而人的精力却是有限的,在中高级的技术进阶阶段,广撒网式的学习方式往往会适得其反。那些调侃程序员的中年危机的段子,说不好哪天真的变成了现实,那么前端er到底该如何构建自己的技术护城河?

就目前看来,前端发展的主要领域集中在:工程化、音视频处理、服务端(中间层或服务端渲染)、多端化(小程序,RN等)、以及本文即将介绍的图形图像处理。选择一个细分领域进行聚焦,持续深入的耕耘, 或许是个不错的应对之策。

说起图形图像处理,大家很容易联想到Canvas实现的数据可视化或动画特效、openGL或webGL实现的三维模型等。从2015年开始,在AI算法和框架的爆发下,人脸识别等领域的商业化应用相继落地。与此同时,在医疗领域同样也掀起了一场革命,人工智能借助医疗影像大数据及图像识别技术,在肺结节、眼底、宫颈癌等方面已取得了较为成熟的产品。

AI医疗井喷式的发展使得AI算法工程师炙手可热外,医疗软件研发和系统工程师也成为了下半场最抢手的人才。原因在于:

这里的软件工程师,往往要求是具备一定医疗软件开发经验的。放射科检查流程、医学影像基础原理、DICOM协议,这些都要多少知道一些。另外,在一个商业产品化的医疗影像分析诊断软件中,AI算法(深度学习模型)其实只占整个系统的20~30%,或更少。AI算法是整个系统中技术含量最高的部分,但绝对不是工作量最大的部分,也不是研发投入最大的部分。现在的软件基本都是网络化,从服务器端,到网页端或客户端,必然包含UI、通讯、数据库、存储等一系列必须开发的组件或基础架构。这些组件的开发往往要整个软件系统的70%或更多。这里,还没有包括持续发布、自动化测试、安装包等辅助基础设施的搭建。所以,现在几乎每个AI公司都已经成立了专门的软件组(部)---《医疗影像AI下半场,什么人才最抢手?》

( 图片来源于网络,如有侵权,请联系删除!)

正是借助开源软件,初创AI公司才能够快速推出自己的软件产品,获得进入市场跑道,参与竞争的机会。说的直白一些,如果没有Tensor Flow和PyTorch这样的深度学习库,很多公司不可能在短短1~2年间推出自己的软件产品。这里还不能忽视Cornerstone这类软件的给力助攻。---《是巨人的肩膀,还是长江里的后浪》

这里所提及的Cornerstone, 是一套基于javascript语言实现的医疗影像库。正如其名"基石", 它的诞生, 使得在浏览器的web上显示高清医学影像成为可能,要知道此前的这类应用只能由开发客户端的C##等语言才能实现。Cornerstone除了处理图像移动、缩放、旋转、标注、测量、滤镜、图片融合等基础功能外,还提供了医学图像特有的窗宽窗位调整,借助其他生态配套库还可以实现MPR(多平面重建)。

Cornerstone开源库的核心团队为了打造Cornerstone最佳实践,同时还开源贡献了一个医疗阅片系统项目《OHIF Viewer》(界面如下)。

随着Web前端等软件开发技术的出现,软件开发的整体趋势是成本下降、周期缩短。类似上面的功能,传统公司早年可能要用12人月的成本开发出来。但新兴公司可能只需要3人月就可以开发出来。而且界面美观和时尚程度,可能还要远超现有传统产品。简单来说,护城河仍然存在,但传统厂家花10年挖的护城河,新势力借助开源软件助攻,花1~2年可能就可以跨越。---《是巨人的肩膀,还是长江里的后浪》

为了深入理解其原理, 笔者目前正在研究Cornerstone以及相关生态库的源码,开发之余将源码解析整理成了笔记《Cornerstone源码解析》,本着开源的精神,也分享给大家。由于web医疗影像领域偏小众化,缺乏良好的交流平台,所以笔者在文末提供一个QQ群,希望大家可以在里面相互交流,解决实际问题,这也是笔者想写这篇文章的另一个目的。

相关链接

原文链接:segmentfault.com

上一篇:你真的理解了比较运算符吗?
下一篇:typescript 入门教程三

相关推荐

官方社区

扫码加入 JavaScript 社区