颅脑CT识别产品系统Vibe Coding

本项目面向医院急诊、影像科及神经外科的颅脑CT阅片场景。针对颅内出血病情紧急、人工逐层阅片耗时、出血亚型识别和出血量评估依赖医生经验等问题，建设颅脑CT智能分析平台，为医生提供快速、量化且可视化的辅助诊断依据，提升急诊筛查和临床决策效率。

项目由DICOM影像管理、AI出血分析、结果可视化和辅助报告四大模块组成。系统可读取并自动归类颅脑CT序列，展示患者及检查信息，支持切片浏览、键盘或滑块翻页，以及脑窗、硬膜下窗、骨窗等窗宽窗位切换。系统将DICOM序列转换为NIfTI三维影像，通过Viola-UNet模型检测颅内出血，并识别硬膜外、硬膜下、蛛网膜下、脑实质及脑室内五类出血。分析结果可通过彩色掩膜和轮廓叠加在原始CT上，同时计算各亚型出血概率、体积、病灶尺寸、平均CT值、解剖位置及中线移位。平台结合患者年龄、GCS评分、出血体积和部位计算ICH Score及对应风险，生成影像描述、风险提示和临床处置参考，并支持报告复制与TXT导出。网页端还提供病例匿名展示、任务排队、分析进度轮询和结果缓存功能。

我负责颅脑CT智能分析平台从影像读取、模型推理到结果展示和报告生成的完整流程实现。项目以Python为核心，桌面端采用PyQt5构建交互界面，使用pydicom和NumPy解析DICOM像素及元数据，通过SimpleITK完成DICOM序列到NIfTI三维影像的转换；AI部分基于PyTorch、MONAI和Viola-UNet模型，采用滑动窗口推理与多模型结果融合，实现五种颅内出血亚型的三维分割、概率预测和体积量化。后处理模块利用分割掩膜和影像空间信息计算病灶长宽高、平均HU值、解剖位置、中线移位及最大出血切片，并进一步生成ICH评分、风险分层和结构化报告。可视化部分实现原始CT、彩色分割掩膜及病灶轮廓的逐层联动展示。网页端采用Flask与原生HTML、CSS、JavaScript构建前后端，通过REST接口和状态轮询组织“DICOM转换—AI推理—报告计算—切片渲染”流水线，并使用单工作线程队列解决CPU推理任务并发冲突，利用结果缓存避免重复分析。项目亮点是打通了医学影像输入、AI识别、定量评估、临床评分和报告输出的全流程，同时通过匿名病例映射避免网页接口暴露患者真实信息。