项目编号：202413631065

项目名称：基于AI的肝脏肿瘤辅助诊断系统

执行时间：2024年7月至2025年6月

项目成员：彭家祺,杨洋,赵佳康,南岳恒,顾珺瑜

指导教师：朱虹（讲师） 数据科学与大数据系

项目简介：

该项目的核心是开发一个基于人工智能的肝脏肿瘤辅助诊断系统，通过分析医学影像数据，快速、准确地识别肝脏肿瘤的位置和大小。该系统将利用深度学习算法(YOLOV11)对肝脏CT医学影像进行分析，提取特征并进行分类，从而帮助医生更好地进行肝脏肿瘤诊断。该项目可以涉及数据集的获取与预处理、模型的构建与训练以及评估等方面。关键核心在于构建一个基于人工智能的肝脏肿瘤辅助诊断系统。此系统主要通过深入分析医学影像数据，能够极为快速且精准地识别出肝脏肿瘤的具体位置以及大小。在具体运作中，该系统会运用深度学习算法(YOLOV11)，对肝脏 CT医学影像展开详细分析，从中提取关键特征并进行识别，如此便能助力医生更为高效地进行肝脏肿瘤诊断。

创新点：

1.深度学习与医学影像融合的创新诊断方法：本项目引入了先进的深度学习技术，结合医学影像识别技术，能够准确地识别肝脏内的异常区域，帮助医生快速进行肿瘤诊断。传统的影像诊断方法往往依赖于医生的经验和主观判断，而该系统的自动化诊断能力将大大提升诊断的准确性和效率。

2.用户友好的界面和交互方式：开发用户友好的界面交互方式，为医生提供多种图像增强方式，医生可以通过该系统自行增强医学图像的对比度，更清晰地看到肿瘤区域，轻松地进行肝脏肿瘤诊断，提高工作效率与准确度。

3.数据预处理与增强技术的创新应用：引入了先进的数据预处理和增强技术，如直方图均衡化和windowing等方法，以提高医学影像的对比度和质量，从而提高模型的识别能力。

取得成果：

1.模型性能与稳定性显著提升：经过多轮训练，模型在验证集上的各项评估指标和损失函数均取得了显著优化。具体而言，mAP50（平均精度均值，IoU阈值为0.5）从0.00167提升至0.80199，表明模型在检测肝脏肿瘤时的准确性大幅提高，能够更精准地识别肿瘤区域。同时，mAP50-95（平均精度均值，IoU阈值从0.5到0.95的平均值）也从0.00074提升至0.56179，这说明模型在不同严格程度下的检测性能均有所增强，具备了更好的鲁棒性和泛化能力，为临床应用中的高精度诊断提供了有力支持。此外，在模型训练过程中，训练集和验证集的损失函数均呈现持续下降的趋势。例如，训练集的box_loss从1.91864降至0.61209，cls_loss从4.51436降至0.44005，dfl_loss从1.44602降至0.82363；验证集的box_loss、cls_loss和dfl_loss也相应下降。这表明模型在训练过程中不断优化，对训练数据的拟合程度越来越好，同时在验证集上也展现出了良好的泛化能力，降低了过拟合的风险，为模型的稳定性和可靠性奠定了坚实基础，使其能够更有效地应用于实际的肝脏肿瘤检测任务中。

2.基于PyQt的可视化界面开发成功：成功开发了一个基于PyQt的用户友好型可视化界面，用于展示肝脏肿瘤辅助诊断系统的运行结果和关键信息。该界面集成了多种功能模块，包括医学影像的加载与显示、模型预测结果的实时呈现。通过直观的图形化操作，医生可以轻松地加载患者的CT影像，查看模型对肝脏肿瘤的检测结果，包括肿瘤的位置和大小等详细信息。此外，界面还提供了图像增强工具，如对比度调整和直方图均衡化，帮助医生更清晰地观察肿瘤区域。成功开发的可视化界面不仅提高了医生的工作效率，还增强了诊断的准确性和可靠性，为肝脏肿瘤的辅助诊断提供了一个高效、便捷的工具。

心得体会：

通过参与“基于AI的肝脏肿瘤辅助诊断系统”项目，我们团队深刻体会到AI在医疗领域的巨大潜力。从数据预处理到模型训练，再到可视化界面的开发，每一步都充满挑战，但也收获满满。我们团队通过不懈努力，成功提升了模型的准确性和稳定性，开发出用户友好的界面，为医生提供了有力的诊断支持。这个项目不仅锻炼了我的技术能力，也让我更加关注医疗领域的实际需求，坚定了我用技术改善医疗诊断效率和准确性的决心。未来，我们团队将继续探索AI在更多医疗场景中的应用，为提升医疗服务质量和患者福祉贡献力量。

相关图片：

图1 项目成果展示

图2 团队合影