<<<<<<< HEAD

医学影像肿瘤分析系统 - 使用指南

🏥 系统概述

这是一个基于AI的医学影像肿瘤分析系统，集成了Vue 3前端、FastAPI后端和nnU-Net AI分析服务。系统支持MRI、CT、PET、US等多种影像模态的肿瘤检测、分割和风险评估。

🏗️ 系统架构

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   前端 (Vue 3)   │    │  后端 (FastAPI) │    │ AI服务 (nnU-Net)│
│   localhost:5175 │◄──►│  localhost:8000 │◄──►│  localhost:5001 │
└─────────────────┘    └─────────────────┘    └─────────────────┘

🚀 快速启动

方法1: 使用启动脚本（推荐）

# 启动完整系统
python start_system.py

方法2: 手动启动

1. 启动模拟AI服务

python mock_ai_service.py

2. 启动后端服务

cd backend
python run_backend.py

3. 启动前端服务

cd frontend
npm run dev

🔧 功能特性

核心功能

• ✅ DICOM文件上传和查看
• ✅ 多模态医学影像支持 (MRI/CT/PET/US)
• ✅ AI肿瘤检测和分割
• ✅ 风险评估和建议
• ✅ 分析报告生成和下载
• ✅ 历史记录管理

AI分析能力

• 🧠 肿瘤自动检测
• 📏 肿瘤体积测量
• 🎯 精确位置定位
• 📊 风险等级评估
• 💡 治疗建议生成
• 🖼️ 分割图像导出

📱 用户界面指南

主界面

• 文件上传区: 拖拽或点击上传DICOM文件
• 图像查看器: 支持缩放、平移、窗位窗宽调节
• 工具栏: 缩放、重置、测量等工具
• AI分析按钮: 启动智能分析功能

AI分析流程

1. 上传图像: 支持.dcm、.nii、.nii.gz格式
2. 配置参数: 选择影像模态和患者ID
3. 开始分析: 实时显示分析进度
4. 查看结果: 详细的检测结果和风险评估
5. 下载报告: 导出分析报告和分割图像

🔍 API接口

AI分析接口

健康检查

GET /api/v1/ai/health

支持的模态

GET /api/v1/ai/supported_modalities

单文件分析

POST /api/v1/ai/predict
Content-Type: multipart/form-data

file: (binary)
modality: string
patient_id: string (optional)

批量分析

POST /api/v1/ai/batch_predict
Content-Type: multipart/form-data

files: (binary array)
modality: string
batch_name: string (optional)
patient_ids: string (JSON array, optional)

下载结果

GET /api/v1/ai/download/{session_id}/{file_type}

🧪 测试指南

运行系统测试

python test_system.py

测试内容

• ✅ AI服务连接性
• ✅ 后端API代理
• ✅ 文件分析流程
• ✅ 下载功能
• ✅ 前端界面访问

手动测试步骤

1. 访问前端: http://localhost:5175
2. 上传DICOM文件: 使用backend/uploads/image-00000.dcm或Dataset中的文件
3. 启动AI分析: 选择CT模态，输入患者ID
4. 查看结果: 检查检测结果和风险评估
5. 下载报告: 测试报告和分割图下载

📂 项目结构

d:\医学竞赛\
├── frontend/                 # Vue 3 前端
│   ├── src/
│   │   ├── components/       # 组件
│   │   ├── services/         # API服务
│   │   ├── views/           # 页面
│   │   └── stores/          # 状态管理
│   └── package.json
├── backend/                  # FastAPI 后端
│   ├── app/
│   │   ├── api/v1/          # API路由
│   │   ├── models/          # 数据模型
│   │   └── services/        # 业务逻辑
│   ├── uploads/             # 上传文件
│   └── requirements.txt
├── Dataset/                  # 测试数据
│   ├── CT/images/           # CT图像
│   └── MRI/images/          # MRI图像
├── mock_ai_service.py       # 模拟AI服务
├── start_system.py          # 系统启动脚本
└── test_system.py           # 系统测试脚本

🔧 配置说明

后端配置 (backend/app/config.py)

HOST = "0.0.0.0"
PORT = 8000
DEBUG = True
UPLOAD_DIR = "uploads"
AI_SERVICE_URL = "http://localhost:5001"

前端配置 (frontend/vite.config.ts)

server: {
  port: 5175,
  proxy: {
    '/api': 'http://localhost:8000'
  }
}

🚨 故障排除

常见问题

1. AI服务连接失败

   • 检查模拟AI服务是否启动 (localhost:5001)
   • 查看控制台错误信息
   • 重新启动AI服务

2. 文件上传失败

   • 检查文件格式 (.dcm, .nii, .nii.gz)
   • 确认后端服务运行正常
   • 检查文件大小限制

3. 前端无法访问

   • 确认npm依赖已安装
   • 检查端口5175是否被占用
   • 清除浏览器缓存

4. 分析结果异常

   • 检查AI服务健康状态
   • 验证上传的文件格式
   • 查看后端日志

日志查看

• 前端: 浏览器开发者工具 → Console
• 后端: 启动终端输出
• AI服务: AI服务终端输出

📈 性能优化

建议配置

• 内存: 最少8GB，推荐16GB+
• 存储: SSD硬盘，至少10GB可用空间
• 网络: 低延迟连接，确保服务间通信顺畅

优化建议

1. 使用生产环境配置部署
2. 配置反向代理 (Nginx)
3. 启用数据库连接池
4. 配置文件缓存策略

🔐 安全注意事项

1. 数据隐私: 确保患者数据安全
2. 访问控制: 生产环境需要身份验证
3. 文件验证: 严格验证上传文件类型
4. 网络安全: 使用HTTPS协议

📞 技术支持

开发团队

• 前端开发: Vue 3 + Element Plus
• 后端开发: FastAPI + Python
• AI集成: nnU-Net + PyTorch

📝 更新日志

v1.0.0 (当前版本)

• ✅ 完成基础系统架构
• ✅ 实现AI服务集成
• ✅ 完成前后端通信
• ✅ 支持多模态影像分析
• ✅ 实现结果下载功能

计划功能

• 🔄 用户认证系统
• 🔄 数据库持久化
• 🔄 批量处理优化
• 🔄 移动端适配
• 🔄 云端部署支持

---

最后更新: 2025年5月29日
版本: v1.0.0
维护团队: 医学影像AI开发组

BioComp

be363bdde94cf25773d8f300311c13b048cd43b0