基于深度学习的肿瘤辅助诊断系统代码+文档说明（高分项目）

基于深度学习的肿瘤辅助诊断系统代码+文档说明（高分项目），系统以图像分割为核心，利用人工智能完成肿瘤区域的识别勾画并提供肿瘤区域的特征来辅助医生进行诊断。有完整的模型构建、后端架设和前端访问功能。 医生只需通过web上传ct图像文件，后台就会使用训练好的模型进行肿瘤区域的分割，然后将勾画好肿瘤区域的图像返回，还有肿瘤区域的一些特征（如面积、周长、强度等），并且提供前几次诊断的特征数据并绘制成图表进行对比来辅助医生诊断。 环境 Python : PyTorch 1.10.0 , OpenCV , Flask , TensorRT 8.5.1.7 Vue , Vue CLI Node : axios , ElementUI , ECharts Chrome（内核版本60以上） 训练 训练的数据来源于国外的数据集。因数据和精力有限只训练了针对直肠肿瘤模型。首先对CT文件进行整理，使用SimpleITK读取CT文件，读取肿瘤的掩膜文件并映射到肿瘤CT图像来获取肿瘤区域，然后进行数据的归一化，预处理后制作训练和测试的数据集。 使用PyTorch框架编写。使用交叉熵损失函数，Adam优化器。