A scalable and geographically distributed database for medical imaging

Abstract

In the current medical imaging landscape, the ever increasing volume and complexity of medical imaging data presents significant challenges in the storage, retrieval, and analysis. This thesis addresses these challenges by exploring the potential of a NoSQL database, with a specific focus on Apache Cassandra as the underlying storage infrastructure for a Picture Archiving and Communication System (PACS). This document start by examining the distinctive characteristics of medical imaging data,in accordance with the DICOM standard, the spectrum of available databases options, as well as existing PACS architectures. This thesis focuses on the design and implementation of a PACS system that leverages Cassandra’s inherent strengths, such as its distribution, scalability, and faulttolerance, while ensuring data integrity at the database level. The developed solution significantly enhances scalability, distribution, and fault tolerance, and can hold all requisite information to reconstitute DICOM files without relying on an external file system. The key objectives of this work are to create a solution that is highly scalable, distributed, fault-tolerant, and performant. The solution not only meet these objectives but also offers specific improvements, including the ability to seamlessly reconstruct DICOM files without the need for an auxiliary file system.

No atual cenário de imagiologia médica, o crescente volume e complexidade dos dados de imagens médica apresentam desafios significativos no seu armazenamento, recuperação e análise. Esta tese aborda esses desafios explorando o potencial de base de dados NoSQL, com um foco específico no Apache Cassandra como infraestrutura de armazenamento subjacente para um Sistema de Arquivamento e Comunicação de Imagens (PACS). Este documento começa por examinar as características distintivas do padrão DICOM para dados de imagiologia médica, a gama de opções de base de dados disponíveis, bem como as arquiteturas PACS existentes. Esta tese concentra-se no design e implementação de um sistema PACS que aproveita as vantagens inerentes do Cassandra, como a distribuição, escalabilidade e tolerância a falhas, garantindo ao mesmo tempo a integridade dos dados ao nível da base de dados. A solução desenvolvida melhora significativamente a escalabilidade, a distribuição e a tolerância a falhas, sendo capaz de conter todas as informações necessárias para reconstituir ficheiros DICOM sem depender de um sistema de ficheiros externo. Os principais objetivos deste trabalho são criar uma solução altamente escalável, distribuída, tolerante a falhas e eficiente. A solução não apenas atende a esses objetivos, mas também oferece melhorias específicas, incluindo a capacidade de reconstruir ficheiros DICOM de forma contínua sem a necessidade de um sistema de ficheiros auxiliar.