高杰诚 ，杨媛媛

1 中国科学院上海技术物理研究所 医学影像实验室，上海市，200083

2 中国科学院大学，北京市，100049

0 引言

随着计算机和网络技术的不断发展，各种数据呈现爆炸式增长。根据IDC的报告显示，到2020年，全球大数据将比2010年增长22倍，或将达到44 ZB的体量[1]。目前国内的医学影像云平台的发展情况是在北京、上海、江苏等地分别采取了不同的方式来建立区域型医学影像平台[2]。然而这些平台设计不是很完善，整体上医院还是依靠传统本地文件存储（包括本地网络存储）的单一化方式来存取医疗数据。传统的数据存储方式将病人的电子病历、检查检验数据以及影像等医疗数据有效快速地集中存储和读取，可是相较于如今对大数据特性的要求，本地存储网络已经不能够胜任这个需求[3]。在国外，SwiftStack公司提出了一种用来解决病人医学数据存档的解决方案，包含了医学影像数据和厂商中立归档（vendor neutral archives,VNAs），通过基于OpenStack Swift的框架设计的分布式对象存储系统[4]。此外另一类分布式文件存储系统Apache Hadoop项目的hadoop distributed file system（HDFS）也被用于海量医学数据的分析中。不过很多医学影像数据属于小文件（如单幅CT图像512 kB、单幅MR图像120 kB等），影响了HDFS存取性能。不过目前有些机构对HDFS这一缺陷进行了一些优化，将小文件的访问效率和存取速度提高了2.7倍[5]。

由于这些存储医学图像的存储系统之间的对比分析一直未见报道，于是通过实验室研发的医学图像通信与存储系统（picture archiving and communication systems,PACS）接入这三种存储系统，从存取速度、部署方式、数据安全和性能等方面进行比较，为海量医学图像存储提供其中一种或多种存储方案。……