摘  要

 

本系统的目的是利用人工智能技术和图形学算法帮助医生进行快速脑部CT辅助诊断。所有访问用户都可以使用主要诊断功能，注册用户可以上传标注的CT资料丰富卷积神经网络的训练数据，也可以查看历史诊断记录，所有的诊断结果都可以手动更正。本系统采用前后端分离方案。前端使用框架React和antd搭建单页面应用，使用react-redux实现组件间状态共享，使用react-router管理页面路由，使用axios异步请求。后端使用Express和Node.js开发。使用Keras框架训练人工卷积神经网络并优化实现图片分类预测，使用python实现诊断主程序。后端通过Child Process调用python脚本，通过Promise解决异步问题。最后使用webpack打包。项目部署于阿里云。

本系统具有交互友好、使用简单、性能优秀、诊断准确率较高的优点。

 

关键词：python，CV2，CT，阴影，Keras

目  录

 

第一章 绪论 1

1.1 引言 1

1.2 国内外研究现状 1

1.2.1 国内现状 1

1.2.2 国外现状 2

第二章 需求分析 3

2.1 医生访谈 3

2.2 解决方案设计 3

第三章 系统设计 4

3.1 概要设计 4

3.2 系统详细设计 4

3.2.1 诊断功能设计 4

3.2.2 历史记录查看功能设计 5

3.2.3 用户CT资料上传功能设计 6

3.2.4 前端页面布局设计 6

3.2.5 功能接口设计 7

3.2.6 数据库表设计 8

第四章 系统实现与运行 9

4.1 技术介绍 9

4.1.1 Python 9

4.1.2 Node.js 10

4.1.3 React 10

4.1.4 Express.js 11

4.1.5 WebPack 11

4.1.6 MySQL 11

4.2 基础类实现 11

4.2.1 点(Point)类 12

4.2.2 线(Line)类 12

4.2.3 栈(Stack)类 14

4.3 相关算法设计与实现及在本系统中的应用 14

4.3.1 区域生长算法 14

4.3.2 寻找对称轴及对称点 17

4.3.3 面积计算 19

4.3.4 脑叶识别 20

4.4 人工神经网络的训练和使用 22

4.4.1 数据收集与准备 22

4.4.2 模型训练与测试方法 23

4.4.3 模型训练 24

4.4.4 模型优化 26

4.5 诊断主程序 29

4.5.1 诊断主程序实现 29

4.5.2 系统诊断算法准确率验证 36

4.6 前后端页面与功能实现 36

4.6.1 前端公共页面部分及自动登录实现 36

4.6.2 图片上传页面和接口实现 37

4.6.3 对称轴预览对话框及接口实现 38

4.6.4 结果预览修改保存对话框及接口实现 39

4.6.5 历史记录页和结果保存与查看接口实现 39

4.6.6 用户CT资料上传、标签对话框及接口实现 40

第五章 结论 41

参考文献 42

致  谢 43