Orthanc for window64位版下载地址：

代码实现了在本机6000端口提供web服务，访问地址，打开word或excel进行编辑。

打开防火墙设置，选高级设置，入站规则，新建端口，443，允许通行。

Orthanc服务器搭好后就可以通过AET标识接收来自CT设备发送过来的dcm文件，也可以通过java代码直接发送dcm文件到接口。上传成功后出现两个序列组，一个1图，一个2图，因为我测试的3个dcm文件来自两组序列，Orthanc会自动识别所属分组。

这些之外的就要自行训练，比如医学领域的病灶识别、肿瘤识别等，其他领域的无人机检测、路面检测、车牌检查、零件缺陷检测、无人驾驶、安防检测等等，只要能成为图片或视频的目标，都可以区别识别‌。（我这里为了测试方便，指向同一目录也可以），很多文档说目录指向images，其实是错误的，试了好久才发现要指向上级目录，可能是yolo版本不一样，我用的yolo12。划分训练集、验证集和测试集的比例没有一个固定的标

YOLO（You Only Look Once）是一种基于卷积神经网络（CNN）的目标检测算法，由Joseph Redmon等人于2015年首次提出。其核心思想是将目标检测视为回归问题，通过单次前向传播即可完成对图像中物体的识别和定位。

1、在搜索栏中，输入 "Chinese Language Pack for Visual Studio Code"。安装汉化包。2、安装语言包后，重新启动 VSCode 以应用更改。3、Ctrl加（+-），调整字体大小。4、Ctrl加，可打开设置。5、搜索并安装 ‌‌ 插件。操作截图：1、打开文件夹，选择你的项目目录，空目录即可：（通过。

意味着同时在 GPU 上处理 16 个 128×128×128 的 3D patch，单 patch 仅数据本身就占约 0.2GB（float32），16 个就是 3.2GB，再加上模型参数（约 1GB），直接超 4GB 显存；原理解释：3D patch 的显存占用与体积成正比（体积 = 长 × 宽 × 高），128³=2097152，64³=262144，体积是原来的 1/8，显存占用也同步降至

找AI写个简单DEMO试了一下，发现可行，暂用CPU也是极低的，鉴于python编译成exe很方便在面端运行，资源库也很丰富，决定用python做个我想要的网盘程序，或者用于服务器文件备份软件。通过这个程序也进一步熟悉了python的编码方式，各种语法，数组，配置文件管理等等，发现还是蛮简洁的。主要是接收文件，接收事件，用户登录验证，查看个人网盘备份文件等功能。6、事件传输：sendAct.py（

有了自定义模型，就可以使用模型进行应用了，为了测试我这里将yolo12s.pt转为onnx模型，便于在java中调用他进行目标识别。以上代码做了点优化，每隔一秒才抓取图片交给yolo识别，避免延迟过大。根据你的机器性能自行调整间隔。一、java调用onnx模型进行目标识别代码：以下代码实现单张图片的目标识别，用于后续调用。二、java读取RTSP视频流，截取图片，交给yolo识别。