# 🏥 CTAI
基于深度学习的肿瘤辅助诊断系统
[](https://dev.azure.com/1223398803/test/_build/latest?definitionId=1&branchName=master)
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。
<img width="600" height="100" src="https://github.com/xming521/picture/blob/master/QQ截图20200218193846.png"/>
## 觉得不错欢迎给star⭐哦
## ~~在线demo http://ct.xmzj.xyz/ 服务器到期~~
## 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**。
网络结构采用**U-Net**，**U-Net**是基于FCN的一种语义分割网络，适用于做医学图像的分割。结构如下，实际使用稍有改动。
<img width="80%" height="80%" src="https://github.com/xming521/picture/blob/master/图片3.png"/>
训练过程如下：
<img width="50%" height="50%" src="https://github.com/xming521/picture/blob/master/图片4.png"/>
## 后端
整个系统采取前后分离的方案，确保足够轻量，低耦合。后端采用Python的Flask库，能与AI框架更好的结合，使得系统能更高内聚。
后端运行流程如下：
<img width="60%" height="60%" src="https://github.com/xming521/picture/blob/master/图片1.png"/>
目录管理：
| 目录 | 功能 |
| ---- | ---- |
| uploads | 直接上传目录 |
| tmp/ct | dcm文件副本目录 |
| tmp/image| dcm读取转换为png目录|
| tmp/mask | 预测结果肿瘤掩膜目录|
| tmp/draw | 勾画肿瘤后处理结果目录|
## 系统截图
<img width="60%" height="60%" src="https://github.com/xming521/picture/blob/master/图片32.png"/>
<img width="60%" height="60%" src="https://github.com/xming521/picture/blob/master/图片31.png"/>
<img width="60%" height="60%" src="https://github.com/xming521/picture/blob/master/图片2(1).png"/>
基于深度学习图像分割Unet的肿瘤区域识别辅助诊断系统python源码+全部数据（高分项目）.zip
版权申诉
16 浏览量
2024-05-15
07:48:36
上传
评论 1
收藏 3.52MB ZIP 举报
基于深度学习图像分割Unet的肿瘤区域识别辅助诊断系统.zip （59个子文件） 
CTAImster 
.gitattributes 102B CTAI_tensorRT to_oonx.py 1KB main.py 4KB CTAI_flask app.py 3KB data 
testfile.zip 780KB core __init__.py 0B main.py 352B get_feature.py 7KB predict.py 905B process.py 2KB net __init__.py 0B unet.py 2KB
requirements.txt 86B static 
index.html 312B CTAI_web .editorconfig 357B babel.config.js 53B src App.vue 564B assets style.css 4KB main.js 873B components Footer.vue 488B Header.vue 3KB Content.vue 41KB theme index.css 227KB fonts element-icons.woff 28KB element-icons.ttf 55KB dist js chunk-vendors.3d029196.js.map 7.43MB app.9d6ce45d.js.map 93KB app.9d6ce45d.js 20KB chunk-vendors.3d029196.js 1.57MB css app.e4df34fe.css 236KB chunk-vendors.728eb7d9.css 228KB favicon.ico 1KB index.html 841B fonts element-icons.535877f5.woff 28KB element-icons.732389de.ttf 55KB package.json 1KB public favicon.ico 1KB index.html 557B package-lock.json 500KB vue.config.js 214B README.md 12B azure-pipelines.yml 576B CTAI_model cv __init__.py 0B get_ROI-all.py 3KB get_ROI-one.py 2KB get_all_feature.py 9KB utils draw.py 930B dice_loss.py 1KB 校验文件.py 1KB transform.py 2KB net __init__.py 0B unet.py 2KB train.py 4KB test.py 2KB requirements.txt 194B data_set __init__.py 1B make.py 6KB .gitignore 51B README.md 3KB资源评论
