基于YOLO v11的骨折位置检测系统产品系统

骨科影像AI辅助初筛

面向基层医院与急诊场景，解决我国放射科医生缺口大、X光片判读积压等问题。本系统基于YOLOv11深度学习模型，对7个部位（肘部
、手指、前臂、手部、肱骨、肩部、腕部）的X光片进行自动分类，数秒内判断是否存在骨折并输出置信度。

核心应用：
- 急诊预检：快速标记疑似骨折患者，优先分诊
- 基层辅助：为缺乏影像医生的社区卫生中心提供AI二线判读
- 远程支撑：配合互联网医院，辅助线上初筛，减少无效转诊

检测记录全流程可追溯，满足医疗质控合规要求

1. X光片智能检测：上传PNG/JPG格式X光片，YOLOv11模型自动识别7个部位并判断正常/骨折，输出置信度
2. 可视化诊断报告：展示原始影像与AI标注结果，明确标注部位、诊断结论及置信度
3. 用户角色体系：支持用户、医生、管理员三种角色，管理员可查看统计数据和用户管理
4. 邮箱验证注册：通过邮箱验证码完成注册，保障账号安全
5. 检测历史追溯：所有检测记录云端保存，支持随时回查历史报告
6. 拖拽上传交互：支持点击或拖拽上传，实时预览X光片，操作便捷

本项目由我一人独立完成
│ 层级 │ 技术 │
│ 深度学习框架 │ PyTorch + Ultralytics YOLOv11 │
│ 模型 │ YOLO11n-cls（轻量级分类模型） │
│ 数据集 │ MURA v1.1（斯坦福骨骼X光公开数据集） │
│ 后端 │ Python Flask │
│ 前端 │ HTML5 + CSS3 + 原生JavaScript │
│ 数据库 │ SQLite（history_db.py） │
图像处理 │ OpenCV + Pillow（PIL） │
│ 邮件服务 │ SMTP（邮箱验证码）