肺部CT影像智能诊断系统概述

该系统是一款基于深度学习的桌面应用，专为辅助医生进行肺炎诊断设计。支持7类肺部疾病自动识别，集成患者管理、历史结果对比和诊断报告生成等完整临床功能。

系统视频：https://www.bilibili.com/video/BV1kVLg6MET5/?spm_id_from=333.1387.upload.video_card.click

核心功能特点

多疾病分类能力

• 精准识别7类肺部疾病：正常、细菌性肺炎、病毒性肺炎、COVID-19肺炎、真菌性肺炎、脂质性肺炎和普通肺炎
• 采用双模型架构：默认使用EfficientNet-B0模型，同时提供自研MT-MSCNet多尺度卷积Transformer模型

医学影像处理优化

• 支持DICOM格式和普通PNG/JPG图像
• 内置医学图像增强算法
• 采用加权损失函数解决医学数据类别不平衡问题

技术实现方案

深度学习框架

• 基于PyTorch 1.10+构建
• 基础模型包括EfficientNet-B0和ResNet18
• 自定义MT-MSCNet模型融合多尺度卷积和Transformer架构

数据处理流程

• 使用Albumentations进行图像增强
• pydicom处理DICOM格式文件
• 自动按7:1:2比例划分训练集、验证集和测试集

系统部署方法

环境配置

git clone https://github.com/你的用户名/lung-ct-diagnosis.git
cd lung-ct-diagnosis
pip install torch torchvision numpy pandas pydicom albumentations opencv-python matplotlib pyqt5 scikit-learn tqdm

数据准备

python 分类.py
python data_splitter.py

模型训练

cd src
python train.py

启动应用

python main.py

应用界面功能

患者管理模块

• 支持新建、查询、删除患者信息
• 检查记录永久保存

诊断分析功能

• 自动对比同一患者多次检查结果
• 可视化病情变化趋势
• 一键生成标准格式诊断报告

可视化展示

• 诊断结果直接标注在CT影像上
• 疾病概率分布可视化
• 训练过程自动生成混淆矩阵和损失/准确率曲线

注意事项

该系统仅作为临床辅助诊断工具使用，所有诊断结果必须由专业医师综合判断。后续规划包括增加更多肺炎亚型识别能力、集成3D CT影像处理功能等。