开源医学影像存档与检索系统(PACS)之Dcm4che-arc-light安装部署详细教程(适用于windows平台)

这篇具有很好参考价值的文章主要介绍了开源医学影像存档与检索系统(PACS)之Dcm4che-arc-light安装部署详细教程(适用于windows平台)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1、前言

Dcm4che-arc-light是一个开源的医学影像存档和通信系统(PACS)解决方案。它是基于Dcm4che项目的一个子项目,专注于实现轻量级而功能强大的医学影像存档与检索(ARCHIVE)功能。

Dcm4che-arc-light具备以下主要特点:

1. 存储和管理影像数据:Dcm4che-arc-light提供了一个可靠的机制来接收、存储、管理和检索医学影像数据。它支持DICOM(医学数字成像和通信标准)格式的图像和相关信息,并提供了用于数据的索引、归档和检索的功能。

2. 分布式存档:Dcm4che-arc-light采用分布式存档的方式,可以将影像数据存储在多个节点上,以增加系统的可扩展性和容错性。这意味着可以使用多个服务器来存储和管理大规模的医学影像数据。

3. 多种存储策略:Dcm4che-arc-light支持多种存储策略,可以根据实际需求选择最合适的存储方式。它可以将数据存储在本地磁盘、网络共享存储、云存储等不同的介质上。

4. 强大的检索功能:Dcm4che-arc-light提供了丰富的检索功能,可以根据多个标准和条件对影像数据进行查询。它支持基于患者信息、诊断信息、时间范围等的高级检索,并提供了图像预览、报告生成等功能。

5. 支持标准协议:Dcm4che-arc-light符合DICOM和HL7(医疗信息系统互连标准)等行业标准,可以与其他医疗设备和系统进行无缝集成和交互。它支持DICOM的各种传输协议和服务,如DICOM Web、DICOM存档传输协议(DICOM-AT)、DICOM存档查询协议(DICOM-QR)等。

总而言之,Dcm4che-arc-light是一个功能强大且易于使用的医学影像存档与检索系统,可以实现医学影像数据的存储、管理和检索,并与其他医疗设备和系统进行高效集成。

2、Windows系统部署Dcm4che-arc-light

2.1、环境配置

  • JAVA 11
  • MySQL 5.7.42
  • dcm4chee-arc-5.30.0-mysql/pgsql/oracle/etc.
  • OpenLDAPforWindows
  • Apache Directory Studio RCP Application
  • wildfly-26.1.2.Final.zip
  • keycloak-oidc-wildfly-adapter-15.0.0.zip

(JAVA、MySQL的系统变量配置不做赘述)

以下以MysQL版本做部署讲解:

2.2、数据库初始化

解压获取dcm4chee-arc-5.30.0-mysql文件夹;

于Navicat中进入MySQL,新建名为pacsdb的数据库:

dcm4chee,pacs,开源,健康医疗,windows,java

执行dcm4chee-arc-5.30.0-mysql\sql\mysql下create-mysql.sql脚本,过程需要一分钟左右。

2.3、数据库数据源填充手脚架修改

进入dcm4chee-arc-5.30.0-mysql\cli下,修改add-data-source-mysql.cli文件(注意时区、用户名、用户密码):

/subsystem=datasources/jdbc-driver=mysql:add(driver-module-name=com.mysql,driver-name=mysql)
data-source add --name=pacsds --driver-name=mysql --jndi-name=java:/PacsDS \
--connection-url=jdbc:mysql://localhost:3306/pacsdb?serverTimezone=Asia/Shanghai \
--user-name=root --password=123456

3、OpenLDAP安装

正常选择“Next”按钮即可。

dcm4chee,pacs,开源,健康医疗,windows,java
dcm4chee,pacs,开源,健康医疗,windows,java

3.1、配置OpenLDAP

①复制”dcm4chee-arc-5.30.0-mysql\ldap\schema“下文件至”OpenLDAP\schema“:

dcm4chee,pacs,开源,健康医疗,windows,java

②修改文件

编辑“OpenLDAP\slapd.conf”:

dcm4chee,pacs,开源,健康医疗,windows,java

完整配置代码为:

# MDB Backend configuration file
# See slapd.conf(5) for details on configuration options.
# This file should NOT be world readable.
ucdata-path	./ucdata
include		./schema/core.schema
include		./schema/cosine.schema
include		./schema/nis.schema
include		./schema/inetorgperson.schema
include		./schema/openldap.schema
include		./schema/dyngroup.schema
include         ./schema/dicom.schema
include         ./schema/dcm4che.schema
include         ./schema/dcm4chee-archive.schema
include         ./schema/dcm4chee-archive-ui.schema


pidfile		./run/slapd.pid
argsfile	./run/slapd.args


# Enable TLS if port is defined for ldaps


TLSVerifyClient never
TLSCipherSuite ECDHE-RSA-AES256-SHA384:AES256-SHA256:!RC4:HIGH:!MD5:!aNULL:!EDH:!EXP:!SSLV2:!eNULL
TLSProtocolMin 3.3
TLSCertificateFile ./secure/certs/maxcrc.cert.pem
TLSCertificateKeyFile ./secure/certs/maxcrc.key.pem
TLSCACertificateFile ./secure/certs/maxcrc.cert.pem




#######################################################################
# mdb database definitions
#######################################################################


database	mdb
suffix          "dc=dcm4che,dc=org"
rootdn          "cn=admin,dc=dcm4che,dc=org"
rootpw          secret
# suffix		"dc=maxcrc,dc=com"
# rootdn		"cn=Manager,dc=maxcrc,dc=com"
# Cleartext passwords, especially for the rootdn, should
# be avoid.  See slappasswd(8) and slapd.conf(5) for details.
# Use of strong authentication encouraged.
# rootpw    {SSHA}O3grH8DId7FBKDlEwbOW9z/pklz7aBEb

# The database directory MUST exist prior to running slapd AND
# should only be accessible by the slapd and slap tools.
# Mode 700 recommended.
directory ./data
searchstack 20
# Indices to maintain
index mail pres,eq
index objectclass pres
index default eq,sub
index sn eq,sub,subinitial
index telephonenumber
index cn

③重启OpenLDAP服务

dcm4chee,pacs,开源,健康医疗,windows,java

4、配置ApacheDirectoryStudio

dcm4chee,pacs,开源,健康医疗,windows,javadcm4chee,pacs,开源,健康医疗,windows,java

dcm4chee,pacs,开源,健康医疗,windows,java
dcm4chee,pacs,开源,健康医疗,windows,java
依次导入“D:\JAVA\pacs\dcm4chee-arc-5.30.0-mysql\ldap”下
dcm4chee,pacs,开源,健康医疗,windows,java

5、配置WildFly服务器

5.1、解压wildfly-26.1.2.Final.zip后获取wildfly-26.1.3.Final

dcm4chee,pacs,开源,健康医疗,windows,java

5.2、配置jboss

①复制“dcm4chee-arc-5.30.0-mysql\configuration”下的文件至“wildfly-26.1.3.Final\standalone\configuration”中:

dcm4chee,pacs,开源,健康医疗,windows,java

②备份文件

复制standalone.xml为dcm4chee-arc.xml

dcm4chee,pacs,开源,健康医疗,windows,java

③修改dcm4chee-arc.xml

dcm4chee,pacs,开源,健康医疗,windows,java

5.3、安装dcm4chee的核心模块

将“dcm4chee-arc-5.30.0-mysql\jboss-modules”下的压缩包和自行下载的“keycloak-oidc-wildfly-adapter-15.0.0.zip”解压至“wildfly-26.1.2.Final“中。

dcm4chee,pacs,开源,健康医疗,windows,java

5.4、启动WildFly

于“wildfly-26.1.3.Final\bin”下cmd后执行:

standalone.bat -c dcm4chee-arc.xml

5.5、在WildFly配置数据源

于“wildfly-26.1.3.Final\bin”下cmd后执行:

jboss-cli.bat -c --file="D:\JAVA\pacs\dcm4chee-arc-5.30.0-mysql\cli\add-data-source-mysql.cli"
jboss-cli.bat -c --file="D:\JAVA\pacs\dcm4chee-arc-5.30.0-mysql\cli\adjust-managed-executor.cli"
jboss-cli.bat -c
/system-property=dcm4chee-arc.DeviceName:add(value=dcm4chee-arc)
/subsystem=undertow/server=default-server/http-listener=default:write-attribute(name=max-post-size,value=10000000000)
/subsystem=undertow/server=default-server/https-listener=https:write-attribute(name=max-post-size,value=10000000000) 
:reload

5.6、部署DCM4CHEE

于“wildfly-26.1.3.Final\bin”下cmd后执行:

jboss-cli.bat -c
deploy "D:\JAVA\pacs\dcm4chee-arc-5.30.0-mysql\deploy\dcm4chee-arc-ear-5.30.0-mysql.ear"
deploy "D:\JAVA\pacs\dcm4chee-arc-5.30.0-mysql\deploy\dcm4chee-arc-ui2-5.30.0.war"

6、访问DCM4CHEE网址

http://localhost:8080/dcm4chee-arc/ui2
dcm4chee,pacs,开源,健康医疗,windows,java

参考:

1、Install DCM4CHEE Archive 5.x**
2、【DCM】Dcm4chee-arc-light 5.24.2在CentOS7.9上的安装**
3、【DICOM】Dcm4che-arc-light-5.29.0-oracle在WindowsServer2019上安装文章来源地址https://www.toymoban.com/news/detail-759274.html

到了这里,关于开源医学影像存档与检索系统(PACS)之Dcm4che-arc-light安装部署详细教程(适用于windows平台)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • C#开发PACS医学影像三维重建(一):使用VTK重建3D影像

    VTK简介:   VTK是一个开源的免费软件系统,主要用于三维计算机图形学、图像处理和可视化。Vtk是在面向对象原理的基础上设计和实现的,它的内核是用C++构建的。 因为使用C#语言开发,而VTK是C++的,所以推荐使用VTK的.Net开发库:ActiViz。 本系列文章主要以技术和代码讲解为

    2024年02月09日
    浏览(47)
  • 基于C++开发的医院医学影像PACS 可二次开发,三维重建

    医学影像PACS系统源码,集成三维影像后处理功能,包括三维多平面重建、三维容积重建、三维表面重建、三维虚拟内窥镜、最大/小密度投影、心脏动脉钙化分析等功能。系统功能强大,代码完整。有演示。 本套PACS系统专门针对医院工作流程设计的,完全符合医院需要,配置

    2023年04月23日
    浏览(24)
  • 【C++医学影像PACS】CT检查中的三维重建是什么检查?

    三维重建是多层螺旋CT的一个最大的优点,也是影像工作多年来,从横断解剖到多平面,乃至立体的一次飞跃,让抽象变的形象,大大地提高了准确性,为临床工作的开展,注入了无限生机,从而解决许多临床上,无法开展的一些难题。   具体的三维重建有以下几种: 第一

    2024年02月16日
    浏览(27)
  • 医学影像系统弱监督语义分割集成的探索

    利用复杂数据集的低质量CAM预测来提高结果的准确性 使用低阈值CAMs以高确定性覆盖目标对象 通过组合多个低阈值cam,在突出显示目标对象的同时均匀地消除它们的错误 代码链接 文章链接 首先,在目标数据集上训练分类器模型(resnet) 其次,使用Grad-CAM为不同的分类器创建

    2023年04月09日
    浏览(28)
  • 半监督医学影像分割综述

    两种不同类型的图像分割问题。 相应的语义类对每个像素进行分类,从而给图像中属于这个类的所有对象或区域一个相同的类标签。 实例分割试图更进一步,试图区分同一类的不同出现 内容 提供了半监督SS方法的最新分类以及对它们的描述。 对文献中最广泛使用的数据集进

    2024年02月03日
    浏览(31)
  • 医学影像篇 医学图像预处理之重采样详细说明

    0 1 准备工作 研究前我们先要做好准备工作:(这个准备工作呢就好像小白做菜) 最开始,我们往往主动提出或者被提出了一个临床问题(临床问题可能是老板直接安排的,也可能是在临床工作中提出经过文献调研归纳的),根据提出的临床问题和手头现有的病例,可以建立

    2024年02月04日
    浏览(86)
  • C#处理医学影像(四):基于Stitcher算法拼接人体全景脊柱骨骼影像

    在拍摄脊柱或胸片时,经常会遇到因设备高度不够需要分段拍摄的情况, 对于影像科诊断查阅影像时希望将分段影像合并成一张影像,有助于更直观的观察病灶, 以下图为例的两个分段影像:       我们使用OpenCVSharp中的Stitcher类的Stitch方法,导入两张图像并拼接:  但结果

    2024年02月02日
    浏览(27)
  • 人工智能与医学影像:智能诊断和治疗

    人工智能(AI)已经成为医学影像诊断和治疗的关键技术之一。随着数据量的增加,计算能力的提升以及算法的创新,AI 在医学影像分析领域的应用不断拓展。这篇文章将介绍人工智能如何应用于医学影像诊断和治疗,以及其背后的核心概念、算法原理和具体实例。 医学影像诊

    2024年02月19日
    浏览(34)
  • 【医学影像数据处理】 XML 文件格式处理汇总

    xml(Extensible Markup Language,简称:XML) 可扩展标记语言,是一种 netconf 配置文件的格式。是一种固有的分层数据格式,最自然的表示方式是解析成树状。 但是, xml 这样的标签数据,是 面向“机器”识别的,是不利于“人类”识别的 ,所以看起来会比较的麻烦。 2003年5月成

    2024年02月08日
    浏览(34)
  • Transformer在医学影像中的应用综述-分类

    总体结构 Point-of-Care Transformer(POCFormer):利用Linformer将自注意的空间和时间复杂度从二次型降低到线性型。POCFormer有200万个参数,约为MobileNetv2的一半,因此适合于实时诊断。 Vision Outlooker (VOLO):新注意机制,将精细级特征编码为ViT token 表征,从而提高分类性能。 Swin Transfor

    2024年02月11日
    浏览(23)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包