帶你走進web醫療影像的世界

身爲一名Web前端開發者，時常會聽到圈內的朋友抱怨"學不動了"。確實如此，前端技術的橫向發展和迭代速度實在是太快了，然而人的精力倒是有限的，在中高級的技術進階階段，廣撒網式的學習方式每每會拔苗助長。那些調侃程序員的中年危機的段子，說很差哪天真的變成了現實，那麼前端er到底該如何構建本身的技術護城河？

就目前看來，前端發展的主要領域集中在：工程化、音視頻處理、服務端（中間層或服務端渲染）、多端化（小程序，RN等）、以及本文即將介紹的圖形圖像處理。選擇一個細分領域進行聚焦，持續深刻的耕耘, 或許是個不錯的應對之策。

提及圖形圖像處理，你們很容易聯想到Canvas實現的數據可視化或動畫特效、openGL或webGL實現的三維模型等。從2015年開始，在AI算法和框架的爆發下，人臉識別等領域的商業化應用相繼落地。與此同時，在醫療領域一樣也掀起了一場革命，人工智能借助醫療影像大數據及圖像識別技術，在肺結節、眼底、宮頸癌等方面已取得了較爲成熟的產品。

AI醫療井噴式的發展使得AI算法工程師煊赫一時外，醫療軟件研發和系統工程師也成爲了下半場最搶手的人才。緣由在於:

這裏的軟件工程師，每每要求是具有必定醫療軟件開發經驗的。放射科檢查流程、醫學影像基礎原理、DICOM協議，這些都要多少知道一些。另外，在一個商業產品化的醫療影像分析診斷軟件中，AI算法（深度學習模型）其實只佔整個系統的20~30%，或更少。AI算法是整個系統中技術含量最高的部分，但絕對不是工做量最大的部分，也不是研發投入最大的部分。如今的軟件基本都是網絡化，從服務器端，到網頁端或客戶端，必然包含UI、通信、數據庫、存儲等一系列必須開發的組件或基礎架構。這些組件的開發每每要整個軟件系統的70%或更多。這裏，尚未包括持續發佈、自動化測試、安裝包等輔助基礎設施的搭建。因此，如今幾乎每一個AI公司都已經成立了專門的軟件組（部）---《醫療影像AI下半場，什麼人才最搶手？》

( 圖片來源於網絡，若有侵權，請聯繫刪除！)

正是藉助開源軟件，初創AI公司纔可以快速推出本身的軟件產品，得到進入市場跑道，參與競爭的機會。說的直白一些，若是沒有Tensor Flow和PyTorch這樣的深度學習庫，不少公司不可能在短短1~2年間推出本身的軟件產品。這裏還不能忽視Cornerstone這類軟件的給力助攻。---《是巨人的肩膀，仍是長江裏的後浪》

這裏所說起的Cornerstone, 是一套基於javascript語言實現的醫療影像庫。正如其名"基石", 它的誕生, 使得在瀏覽器的web上顯示高清醫學影像成爲可能，要知道此前的這類應用只能由開發客戶端的C##等語言才能實現。Cornerstone除了處理圖像移動、縮放、旋轉、標註、測量、濾鏡、圖片融合等基礎功能外，還提供了醫學圖像特有的窗寬窗位調整，藉助其餘生態配套庫還能夠實現MPR(多平面重建)。

Cornerstone開源庫的核心團隊爲了打造Cornerstone最佳實踐，同時還開源貢獻了一個醫療閱片系統項目《OHIF Viewer》（界面以下）。

隨着Web前端等軟件開發技術的出現，軟件開發的總體趨勢是成本降低、週期縮短。相似上面的功能，傳統公司早年可能要用12人月的成本開發出來。但新興公司可能只須要3人月就能夠開發出來。並且界面美觀和時尚程度，可能還要遠超現有傳統產品。簡單來講，護城河仍然存在，但傳統廠家花10年挖的護城河，新勢力藉助開源軟件助攻，花1~2年可能就能夠跨越。---《是巨人的肩膀，仍是長江裏的後浪》

爲了深刻理解其原理, 筆者目前正在研究Cornerstone以及相關生態庫的源碼，開發之餘將源碼解析整理成了筆記《Cornerstone源碼解析》，本着開源的精神，也分享給你們。因爲web醫療影像領域偏小衆化，缺少良好的交流平臺，因此筆者在文末提供一個QQ羣，但願你們能夠在裏面相互交流，解決實際問題，這也是筆者想寫這篇文章的另外一個目的。

QQ羣 （813051150）	公衆號

相關連接

• 《從Cornerstone到OHIF Viewer—JS影像前端開發最佳範例》
• 《是巨人的肩膀，仍是長江裏的後浪》
• 《醫療影像AI下半場，什麼人才最搶手？》
• 《Cornerstone源碼解析》