代理服務器中醫(yī)學圖像自適應分層切割緩存置換策略

1、代理效勞器中醫(yī)學圖像自適應分層切割緩存置換策略代理效勞器中醫(yī)學圖像自適應分層切割緩存置換策略近年來，隨著醫(yī)學影像成像設備的高速開展X射線、T、超聲、R等，醫(yī)學影像也已經逐漸開展成為一門集診斷、成像等為一體的與計算機技術親密相關的綜合學科1。符合DI標準的醫(yī)學影像設備需要保證在大數(shù)據(jù)量、實時性強、構造化較低的條件下通過PAS系統(tǒng)為醫(yī)生提供高效率的圖像存取和使用效勞，這就使得醫(yī)學影像的高效傳輸成為重要的問題2。現(xiàn)有的PAS系統(tǒng)中傳輸?shù)脑坚t(yī)學影像圖像文件格式主要為DIDigitalIaginganduniatinsinediine，醫(yī)學數(shù)字成像和通信文件格式，而DI文件格式的圖像數(shù)據(jù)動態(tài)范圍過大并

2、且大部分均超出了通用顯示器的動態(tài)顯示范圍，很難一次在通用的顯示器屏幕上將所有的圖像細節(jié)都顯示出來3。不僅如此，互聯(lián)網(wǎng)應用的快速增長導致網(wǎng)絡擁塞和效勞器超載等問題的出現(xiàn)4，使得DI文件對于代理效勞器的緩存性能提出了越來越高的要求。目前大多數(shù)DI文件是以一個整體進展緩存，隨著數(shù)據(jù)量的不斷增加可能會對效勞器造成一定的負載并影響PAS系統(tǒng)的整體性能5。在此注意到一個DI文件中的醫(yī)學圖像對于用戶來說并不都存在使用價值，用戶的閱讀可能只針對圖像的某一部分進展操作，即DI文件中的醫(yī)學圖像存在一定的特殊性：醫(yī)生在查看一組腦部T圖像時并沒有完全關注整個腦部的圖像而是重點關注了腦部T圖像出現(xiàn)病變的部位。本文根據(jù)此

3、特點，借鑒文獻6中提出的：GIS瓦片形式切圖算法對地理影響數(shù)據(jù)分割存儲、按需傳輸?shù)乃枷?，移植醫(yī)學圖像分層切割的原理到代理效勞器的緩存置換策略中。通過比照傳統(tǒng)的經典緩存算法自主改良緩存置換策略，提出了動態(tài)策略計數(shù)DynaiStrateyGeneratinunt，DSG算法，在保證醫(yī)學影像不失真的前提下，使用代理效勞器對DI文件中的醫(yī)學圖像進展自適應的動態(tài)緩存置換。經過實驗證明采用自適應的分層切割方法有效地將用戶懇求DI圖像準確率進步了49%。DSG算法相對于LRU?K，LFU等算法也進步了平均4.8%和3.7%的緩存命中率，并且DSG算法在結合了醫(yī)學影像自適應分層切割方法后更進一步提升了8.5%

4、的緩存命中率。1DI文件分層傳輸與緩存研究DI圖像數(shù)據(jù)源的數(shù)據(jù)量宏大是其最大特點。醫(yī)院每天產生的圖像和信息數(shù)據(jù)量從幾十B到幾GB不等。其中DI文件90%以上是圖像數(shù)據(jù)。如此宏大的數(shù)據(jù)量使得圖像存取速度成為需要重點考慮的問題7。目前國內主要采用對圖像進展壓縮處理、建立圖像緩沖池和分層存儲管理等幾種方法來解決醫(yī)學圖像的快速存取問題。分層存儲管理大多是通過在線和離線相結合的方式來進展的。在線存儲的首選設備通常為大容量的磁盤列陣，而該分層存儲管理方法雖然考慮到了磁盤列陣具有速度高、存取方便、可靠性好、價格較低等特點，但由于現(xiàn)有的醫(yī)學圖像切割都是靜態(tài)切割，有可能不適用。應該考慮引入自適應機制將圖片分層以

5、后再進展切割緩存方法的適用性。而緩沖池中的數(shù)據(jù)采用LRU算法保存，減少了網(wǎng)絡通信量和數(shù)據(jù)本文由論文聯(lián)盟.Ll.搜集整理存儲壓力，在DI文件中存在著緩存調度、緩存文件大小和使用頻率不等的問題。因此現(xiàn)有的緩存策略可能不適用于DI文件。本文基于圖像分層存儲的思想引入DI圖像自適應分層切割方法，并且在LRU算法的根底上進展改良，使得DI文件的緩存命中率有了明顯的提升。2動態(tài)策略計數(shù)算法2.1基于DI的代理效勞器如圖1所示給出了基于代理技術的DI醫(yī)學圖像效勞模型。假設用戶需要的DI數(shù)據(jù)在代理效勞器中沒有被緩存的話，那么DI數(shù)據(jù)需要通過AN從PAS系統(tǒng)中獲取，而從PAS系統(tǒng)中獲取的數(shù)據(jù)可以直接或者間接通過

6、代理效勞器的形式發(fā)送給需求不同的用戶。由于代理效勞器的緩存空間有限，對調度緩存內容的大小非常敏感，所以其性能的好壞直接影響著該模型的性能。本文在代理效勞器端使用的緩存策略為部分緩存和整體緩存或者兩者相結合的方式，并且輔之以分層切割醫(yī)學影像的方法進步緩存查找性能。用于改善基于DI文件PAS系統(tǒng)的效勞性能。2.2醫(yī)學圖像自適應分層切割由于DI文件解析出來的醫(yī)學圖數(shù)據(jù)動態(tài)范圍過大并且均超出了普通顯示器的動態(tài)顯示范圍，存在資源的浪費現(xiàn)象。查看DI文件時主要分為挪動端查看和網(wǎng)頁端查看。在挪動端查看時，由于IP地址變化、會話和登入登出均比擬頻繁，需要根據(jù)挪動端的操作系統(tǒng)把圖像置換為合適客戶端APP屏幕顯示

7、的大校在網(wǎng)頁端查看時，根據(jù)分辨率不同每次查看需要的切割圖片不同，但是根據(jù)其IP地址的變化小的特點建立IP地址和顯示器的對應關系自適應顯示切割圖片。本文引用GISGegraphiInfratinSyste，地理信息系統(tǒng)瓦片地圖的切割原理將醫(yī)學圖像進展分層切割8。瓦片式地圖由GIS數(shù)據(jù)的高速共享開展而來，由原始數(shù)據(jù)的切割存儲和按需傳輸兩部分組成，由Ggleaps提出，采用預切割的方法將圖像進展分層切割并存儲于效勞器端，當用戶發(fā)出懇求時只需從Ggleaps效勞器端發(fā)送所需的瓦片到客戶端，在很大程度上進步了訪問速度9。為了滿足視覺無損和高效傳輸?shù)男枨?，引入GIS瓦片切割思想：將高分辨率的醫(yī)學圖像預先分

8、層切割并存儲以滿足按需傳輸?shù)囊?。采用非固定瓦片格分辨率和固定層?shù)的方式對源數(shù)據(jù)進展形式化處理，根據(jù)醫(yī)學影像的特點實現(xiàn)面向用戶閱讀器的DI自適應顯示。采用XL文件存儲DI文件中的醫(yī)療信息，采用切割圖片顯示醫(yī)學圖像數(shù)據(jù)，設計流程圖如圖2所示。詳細涉及步驟如下：Step1：用戶登錄，啟動會話，使用歡送界面獲取用戶屏幕分辨率大小信息并存儲于用戶關系表中。Step2：根據(jù)用戶關系表動態(tài)生成切割圖片。并在會話空閑過程中，緩存效勞器動態(tài)調整切割圖片的大校開場時緩存標準DI文件，當獲取到用戶屏幕大小分辨率進展自適應調整之后，丟棄原先的標準DI文件，緩存切割好的圖片。Step3：在用戶懇求的時候發(fā)送和用戶實際

9、懇求大小一致的緩存數(shù)據(jù)。Step4：緩存大小自動更新機制。對于挪動端：緩存數(shù)據(jù)不變，根據(jù)挪動端的APP設置自動分配DI緩存數(shù)據(jù)的大校對于網(wǎng)頁端，根據(jù)IP地址存在更換的可能性設定超時機制，根據(jù)醫(yī)院的交班時間定時清空用戶關系表。2.3DSG算法對于緩存對象及其數(shù)據(jù)單元的大小，在第2.2節(jié)已對緩存數(shù)據(jù)進展了預處理，在本節(jié)中希望通過對緩存調度算法的更改，使得進一步進步緩存的性能。將LRU算法和LFU算法的思想和醫(yī)學圖像使用的特殊性相結合運用到DI醫(yī)學影像的緩存中是符合實際的。例如：一張T圖像，醫(yī)生在圖像剛生成的一段時間內看了幾次以后，由于某種原因在以后的治療中再也沒有查看過這張T圖像。這時基于關鍵特征

10、和代價的交換算法就無法起到作用，而LRU算法認為的最近使用的資源具有很高的將來使用價值、LFU算法認為的資源使用頻率與將來的使用價值成正比。緩存交換策略的運用首先需要給當前的緩存對象一個訪問熱度和訪問時間的綜合排名，即是綜合使用效率的排名。然后再根據(jù)使用效率的上下交換出使用效率最低的緩存內容，而其中效率函數(shù)的設計是重要的一環(huán)，它對于緩存命中率的上下有著直接的影響。圖片的部分訪問原理對于使用效率的影響是最大的，部分訪問原理指的是在最近時間區(qū)間內被訪問過的切割圖片在隨后的一段時間內可能被再次訪問的概率比擬高。該原理對于緩存技術和預取技術有著比擬重大的影響。LRU算法認為最近被使用的圖片存在著很高的

11、將來使用價值，其價值函數(shù)為：it=1t-tL1式中：it表示在t時刻資源i的將來使用價值；t為緩存資源i的時間；tL為緩存資源最近一次訪問的時間。LFU算法認為最近被訪問次數(shù)最多的資源在將來會擁有很高的使用價值；但其存在緩存污染的問題，所以考慮訪問頻率和訪問的最近時間點采用LRU?K算法。估計文件i在首次使用后進入緩存后會被使用到的概率為Pit，而Pit的估計采用類似LRU，LFU和LRU?K等的函數(shù)設計方法。由于將來切割圖片訪問的不可預知性，只能根據(jù)切割圖片i的歷史訪問記錄來估計Pit的概率。圖3為切割圖片i的歷史訪問序列。圖3中，自從t1時刻以來，t2，t3時刻的訪問量明顯增加，自t4時刻

12、以后訪問量逐漸下降。并且由于訪問時間間隔與訪問時間的分布滿足泊松分布。而該問題在參考文獻10已經給出證明。對于任意圖片i的訪問獨立且服從泊松分布11，那么Pit的概率估計公式如下：Pi=kt=e-itkk！2it值確實定：以LRU?K為代表，從某一時間開場的高頻率的資源訪問量意味著在這一個時間點后該資源的將來訪問頻率近似滿足泊松分布。其it的估計公式為：it=kn=1ktin3設定切割圖片的最后第n次訪問時間為tin，其最后一次的訪問時間為ti1。設定切割圖片在緩存中的平均存活時間為：ti=i=1nT-tinn4式中，T為目前的緩存系統(tǒng)時間。由此將式4代入式3中可以推導出it估計公式為：it=

13、k=1kti5式中，k為常數(shù)1時，滿足LRU策略在相對時間下的it估計公式12，根據(jù)式2推導出：Pi=kt=e-=1ki=1nT-tinnkk！6假定在某一層上緩存切割圖片的集合為PitureGathert=1，2，N，表示切割圖片1，2，N在t時刻的存儲。設定Sizei為文件PitureGathert的大小，i越大說明該層緩存的切割數(shù)量也越多。根據(jù)集合PitureGathert=1，2，N，求出集合內緩存切割圖片的平均緩存時間為：eant=n=1NSLn-SFnN7式中：SLn表示切割圖片的最后一次訪問時間；SFn為切割圖片的首次存儲時間。每一塊切割圖片存在于緩存區(qū)域的時間不同，那么對將來的

14、使用價值也一定不同。對于在某一個緩存溢出時間點所要進展交換的切割圖片也不盡一樣。設定緩存區(qū)的容量大小為V。在i=1NitSizEiV的約束條件下，其中i=1Nit，it0，1，0表示切割圖片i在t時刻沒有存在于緩存中；1表示圖片i在t時刻存在于緩存中。理想的緩存替代策略算法動態(tài)策略代數(shù)DynaiStrategyGeneratinunt，DSG為：DSG=1t-tL?n=1NSLn-SFnN?e-=1ki=1nT-tinnkk！8即，DSG=iteantPit。然后按照DSG的值非遞增排序PitureGathert=1，2，N中的元素，在非遞增排序完成后從最小的值開場將切割圖片剔除出緩存，直到到

15、達指定的緩存剩余空間為止。3實驗與評價實驗一：在英特網(wǎng)內完成了自適應機制和傳統(tǒng)用戶懇求準確率的比照測試。代理效勞器端的硬件配置為HPrkStatin2100PU：Pentiu2.0GHz2，內存1GB?？蛻舳四敲词怯⑻鼐W(wǎng)內100臺型號不一的計算機和100臺操作系統(tǒng)不完全一樣的挪動終端。在實際網(wǎng)絡環(huán)境下測試自適應機制下挪動端和網(wǎng)頁端的準確率和傳統(tǒng)機制下的準確率。實驗結果如表1所示。表1準確率%實驗說明緩存大小和用戶實際懇求根本吻合。而采用原始DI數(shù)據(jù)由于文件不能與屏幕相適應產生大量的浪費，使得懇求的準確率與用戶的實際懇求之間產生了宏大差異。由此可以得出自適應所調度的緩存資源和用戶懇求的資源是一致

16、的，這樣就減少了大量的數(shù)據(jù)浪費，使得緩存中的數(shù)據(jù)浪費得到明顯的改善。實驗二：本文還采用eb緩存交換算法常用的衡量標準進展實驗，固定使用100臺端進展緩存考察算法中的切割圖片的命中率。切割圖片命中率指緩存中命中的懇求對象與總懇求對象的百分比。實驗采用網(wǎng)站的真實數(shù)據(jù)進展仿真。首先對訪問的DI醫(yī)學圖像進展基于自適應的圖片切割數(shù)據(jù)預處理，選取數(shù)據(jù)集的35構造算法模型。另外25作為測試數(shù)據(jù)，結合緩存交換算法計算切割圖片的命中率進展仿真實驗。DSG，LRU?K和LFU算法的試驗結果如表2所示。DSG/LRU?K/LFU算法命中率比照圖如圖4所示。DSG/LRU?K/LFU沒中率比照圖如圖5所示。如圖4、圖5、表2所示，引入切割圖片的有用性和在函數(shù)價值計算中是否存在意義，是本文所關注的問題。DSG算法比擬LRU?K算法和LFU算法的性能比擬可以證明其有效性。說明了訪問頻率和訪問部分性存在的有效性。如圖4所示，隨著緩存容量的增大LRU?K，LFU算法和DSG算法的性能也在逐漸的增加，但是DSG算法的緩存命中率始終要