zomb/基于深度学习的医疗诊断系统:
由于深度学习模型过大，影像数据涉及人员隐私，该库只上传了界面程序。
本课设的医疗数据诊断系统是基于PyQt框架实现。PyQt是一个创建GUI应用程序的工具包。它是Python编程语言和Qt库的成功融合，能够通过拖动控件的方式实现简洁直观的界面，在开发上具备非常强的可移植性、便捷性，能够使用户在短时间内开发一个界面程序。
登录窗口界面如下，输入用户名和密码就能够登录到该系统。
主程序界面如下，
主界面分为病例数据、影像查询、智能诊断、数据导入、影像导入五个分界面，各个界面将实现不同的功能，详细功能在以下内容中将详细展示。
1.2 数据采集
1.2.1 数据存储
1.2.1.1 病例数据软件在实现指定数据段的储存和读取基础上，实现数据添加、数据删除、数据查找、数据修改功能。
SQLite是一款轻型的数据库，是遵守ACID的关系型数据库管理系统，它包含在一个相对小的C库中。它是D.RichardHipp建立的公有领域项目。它能够支持Windows/Linux/Unix等等主流的操作系统，同时能够跟很多程序语言相结合，同样比起Mysql、PostgreSQL这两款开源的世界著名数据库管理系统来讲，它的处理速度比他们都快。
在患者病例数据存储方面，以ID号作为每条数据的主键，主键是默认索引的，因此通过ID号查询数据速度将会快上许多。
每条数据具有24个字段，是患者所有的有关病情的数据。
在数据可视化方面，利用了PyQt的控件Table Widget,能用以表格的形式进行数据可视化，并且能过连接数据库对病例数据实现增删改查。
在该诊断系统中我们能够对数据进行以下操作：
1. 病例增添：界面中有新增按钮，点击能够弹出一个弹窗，让用户输入需要增加病例的ID。按下回车或者OK按钮，就能新插入一条数据到数据库和程序的表格中。
2. 病例查询：点击界面中的查询按钮，弹出弹窗后，输入ID号，就能够定位到该病例的位置。
3. 病例删除：在界面程序的表格中，通过鼠标选中需要选择的范围，点击删除按钮就能删除相应数据库和表格中的数据。
4. 病例修改：在表格中，通过双击单个表格格子，能够修改其中的内容，并同步到数据库进行修改。
在数据导入界面，我们可以选取相应的Excel文件，将病例数据导入到数据库中。
在该界面中，点击“选择文件”按钮，将会弹出一个对话窗，能够让我们选择一个Excel文件，选取后该文件路径会打印到编辑行中。然后点击“开始导入”按钮，就可以将所有病例数据导入到数据库中，并将导入信息打印出来。
1.2.2 影像存储
1.2.2.1 影像查询软件在实现指定影像的储存和读取基础上，实现影像添加、影像删除、影像查找、影像修改功能。
在影像查询界面，用户能够通过ID来查询用户的影像，并且显示出来。
该影像界面具有以下功能：
1. 新增影像：点击“新增”按钮，在弹出的对话框中输入需要新增影像的ID，并在表格中输入该影像的ID便能够将该影像的路径新增到数据库中。
2. 删除影像：在表格中选取病例数据，点击“删除”按钮，便能够删除数据库中该病例的影像路径，并将该路径中的影像删除。
3. 查询影像：在“输入患者ID：”后，输入该病例的ID，点击“查询”按钮，就能查询该ID用户影像的路径，并且将该影像显示出来。
并且点击“智能诊断”按钮，可以调用深度学习网络，大致判断该影像的患者是否患病。
1.2.2.2 影像导入在影像导入界面，用户可以选择包含影像的文件夹，将文件夹中的影像批量导入到程序默认的存储路径下，并将该路径导入到数据库。
点击“选择文件夹”按钮，在对话窗口中选择相应的文件夹，确认之后点击“开始导入”按钮就能够将该文件夹中所有影像导入到数据库中，并将导入信息打印到界面上。
1.2.3 智能诊断
在智能诊断界面中，用户可以选取单张影像进行智能诊断，或者选取Excel文件批量分析病例数据做出判断。
在单张影像诊断中，点击“选择图片”按钮，便能够弹出一个对话窗选取相应的影像，程序会将影像呈现到界面上。点击“开始诊断”就能够调用影像智能诊断模块，进行影像诊断。
在数据批量诊断界面，点击“选择文件”按钮，选择相应的Excel文件能够对批量数据进行数据诊断分析。
相关知识
基于深度学习的图像识别技术在医疗诊断中的应用研究
构建智能医疗助手：基于知识图谱与深度学习的NLP问答系统
基于深度学习的智能医疗影像分析与病灶定位研究.pptx
解码健康未来：机器学习如何革新医疗诊断辅助系统
医疗信息化：基于电子病历的医疗诊断辅助系统研究设计报告.docx
一种基于深度学习的生理指标检测系统及方法与流程
揭秘算法：医疗诊断辅助系统如何精准护航健康
AI应用：智能病理诊断及医学影像识别系统
基于深度学习的医学影像识别与定位方法研究.pptx
基于深度学习重建和传统TSE序列在直肠癌磁共振检查的对比研究
网址: zomb/基于深度学习的医疗诊断系统: https://m.trfsz.com/newsview1707731.html
