一、项目概述
该系统是一个基于深度学习的肿瘤辅助诊断系统,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。系统包括模型构建、后端架设和前端访问功能,提供图像分割、特征提取、辅助诊断和诊断结果展示等功能。系统运行环境为Python3.6: PyTorch, OpenCV, Flask,Vue, Vue CLI,Node: axios,ElementUI,ECharts,Chrome(内核版本60以上)。
二、系统架构
1.模型构建
该系统使用深度学习模型进行图像分割和特征提取。模型包括Encoder-Decoder模型和ResNet模型。
Encoder-Decoder模型用于图像分割,通过学习训练集中的图像和标签进行训练,实现对图像中肿瘤区域的识别勾画。
ResNet模型用于特征提取,通过学习训练集中的图像和标签进行训练,提取肿瘤区域的特征。
2.后端架设
该系统使用Flask框架进行后端架设,提供图像分割、特征提取、辅助诊断和诊断结果展示等功能。
3.前端访问功能
该系统使用Vue和Vue CLI进行前端访问功能的开发,使用Node、axios、ElementUI和ECharts等工具完成数据传输、界面设计和数据可视化等操作。
三、系统功能详细设计
1.图像分割
(1)系统接收用户上传的肿瘤图像,并将图像进行预处理,使其符合模型输入要求。
(2)系统使用Encoder-Decoder模型对图像进行分割,得到肿瘤区域的轮廓。
(3)系统将轮廓转化为二值图像,并将结果返回给用户。