系统配置说明

1、系统配置说明 人工智能科研平台，是一款专门用于开展医疗人工智能科研工作的系统，系统具有数据管理，数据标注，深度学习，影像组学和多中心模块，并配备有专门的科研服务团队，能够为开展医疗人工智能科研提供全套工具和服务，提升科研效率和成果。 1. 用户管理系统 编号No. 服务内容 描述 1.1 不同身份权限 支持管理员、研究员、标记员三种身份登录，分别对应不同权限 1.2 课题组管理 支持管理员和研究员对课题组进行创建和人员管理 1.3 系统登录控制 系统支持单点登录，对用户数据和信息安全提供充分保障 1.4 账号期限 从合同签订之日起开始计算 2 年 1.5 账号个数 研究员账号 1 个 2. 影

2、像数据管理系统 编号No. 服务内容 描述 2.1 模块语言 支持界面中英文切换 2.2 数据集任务类型 支持整图分类，病灶分类，对象检测，特征点检测， 分割五种任务类型的影像数据集的创建和管理 2.3 数据集管理 智能化数据管理模块支持对数据集进行管理和操作 2.3.1 数据集信息展示 支持对数据集的基本信息和标记进展进行统计及展示 2.3.2 数据集操作 支持创建、编辑、复制、分享、删除数据集 2.3.3 数据集迁移 支持将特定任务类型的影像数据和标记迁移成为其他类型数据集，用于不同研究目的 2.4 导入影像数据格式 支持多种格式的影像数据导入 2.4.1 医学影像支持格式 支持 DICO

3、M, NII, NRRD 格式的影像数据 2.4.2 多种格式医数据同时上传 支持 DICOM, NII, NRRD 等多种医学影像数据同时上传 2.4.3 普通影像支持格式 支持 JPEG,PNG 格式的图像导入 2.5 导入影像数据模态 支持 CT 影像，MR 影像，X 线影像，乳腺钼靶影像，病理影像，超声影像等医学数据的导入 2.6 导入标记类型 支持多种格式第三方勾画导入，且平台支持对导入勾画做进一步编辑 2.6.1 支持 nii.gz格式标记 支持第三方 nii.gz 格式勾画及标签导入 2.6.2 支持 nrrd 格式标记 支持第三方 nrrd 格式勾画及标签导入 2.6.3 支持

4、多种标记格式同时上传 支持 nii.gz、nrrd 等多种不同格式的标记数据同时导入 2.7 数据清洗 支持在上传 DICOM 影像数据过程中，对序列数据进行数据清洗 2.8 数据脱敏 支持在上传 DICOM 影像数据过程中，对序列数据进行脱敏，确保数据安全 2.9 数据批量操作 支持对数据进行新增、删除、提交、废弃等批量操作 2.10 数据导出和再导入 支持将影像数据、影像标记数据、临床数据导出至本地存档，后续可以再导入平台使用 2.10.1 影像数据导出 支持将 DICOM/NII/NRRD 影像以 DICOM 格式导出，且可以重新导入平台使用 2.10.2 矩形框标记导出 支持将矩形框标

5、记以 XML 或者 NII 的格式导出，且可以重新导入平台使用 2.10.3 多边形标记导出 支持将多边形标记以 NII 的格式导出，且可以重新导入平台使用 2.10.4 标记表格导出 支持将数据基础信息和标记结果以表格形式导出，且可以重新导入平台使用 2.11 多种实验分组方式 支持对实验数据的多种分组方式，满足不同实验需求 2.11.1 实验数据预先分组 能按照预先确认的实验分组，将数据用于训练、验证、测试 2.11.2 实验数据随机分组 能按照自定义的比例将数据随机分配用于训练、验证、测试 2.11.3 实验数据均衡分组 能按照自定义的比例均衡某个标签，将数据分配用于训练、验证、测试 2

6、.11.4 实验数据调整分组 支持对单例/多例数据的实验分组进行手动调整 2.11.5 实验分组结果可视化 支持对实验分组的结果进行可视化展示 3.表格数据集管理模块 3.1 数据集管理 支持对数据集进行管理和操作 3.3.1 数据集信息展示 支持对数据集的名称、备注、创建日期等基本信息进行展示 3.3.2 数据集操作 支持数据集的创建、复制、分享、删除、搜索等操作 3.2 数据导入与导出 支持.csv 格式的表格数据导入与导出 3.3 数据质控 支持对表格数据的内容进行质控分析 3.3.1 异常值分析 支持对表格中的无效值、缺省值等异常值自动识别和统计 3.3.2 特征工程 支持根据样本分布

7、情况自动进行处理，如小样本合并 3.4 数据分析与统计 支持对表格数据内容进行分析与统计 3.4.1 样本总量的统计 支持对表格数据中样本总量的统计 3.4.2 样本分布的统计 支持对表格数据中每项特征的样本分布进行统计，并通过可视化的方式进行展示 4. 多任务智能标记系统 编号No. 服务内容 描述 4.1 批量标记 支持在上传影像数据过程中，对影像做批量标记 4.2 标签定义 支持根据研究项目，对标记标签进行定义 4.3 标签数量 同一数据可同时赋予多种标记内容，用于不同研究 4.4 影像浏览工具数量 支持 12 种影像浏览辅助工具选项 4.4.1 翻层工具 可以查看序列影像上下层信息 4

8、.4.2 放大/缩小工具 可放大/缩小查看影像 4.4.3 窗宽窗位快捷工具 支持多种常见的默认窗宽窗位 4.4.4 窗宽窗位自定义工具 支持对窗宽窗位进行自定义设置 4.4.5 移动工具 支持在平面各方向上对影像进行移动 4.4.6 反色工具 支持对影像一键反色 4.4.7 长度测量工具 支持影像上任意两点间长度的测量 4.4.8 点密度测量 支持密度探针在影像上随意滑动，展示每一像素点的图像值 4.4.9 区域密度测量 支持对任意椭圆形区域图像值进行展示 4.4.10 角度测量 支持对角度进行测量 4.4.11 恢复设置 支持对窗宽窗位、缩放等操作一键恢复至初始状态 4.4.12 多视图

9、多种不同窗口布局，如 11,22 等，满足多个序列同时显示 4.5 标记工具 针对感兴趣区域的勾画，共提供 9 种不同的标记工具 4.5.1 AI 标记 AI 模型对导入数据自动标记后，研究员和标记员可对标记进行查看和修改 4.5.2 自动插值标注功能 对病灶开始层、最大层、结束层进行框选，调用算法，将自动完成病灶的全层面框选 4.5.3 自动双向拓展标注功能 框选病灶的任意一层，将自动向标注层的前后层进行拓展，实现共 20 个层面的自动框选 4.5.4 点状标记 支持关键点检测标记 4.5.5 检测标记 支持矩形框标记 4.5.6 分割折线标记 支持点画折线勾划感兴趣区域 4.5.7 分割铅

10、笔标记 支持铅笔模式勾划感兴趣区域 4.5.8 分割刷子标记 支持刷子工具进行区域涂抹，且刷头大小和蒙层透明度可以快捷调整 4.5.9 分割橡皮擦擦除 支持橡皮擦工具进行擦除调整，且橡皮擦大小可以快捷调整 4.6 数据种类 支持多种数据类型标记 4.6.1 MRI 影像标记工具 支持分类，检测，分割标记 4.6.2 CT 影像标记工具 支持分类，检测，分割标记 4.6.3 X 线标记工具 支持分类，检测，分割标记 4.6.4 乳腺钼靶标记工具 支持分类，检测，分割标记 4.6.5 视频数据标记工具 支持分类，检测，分割标记 4.7 病灶标记与勾画 支持以病灶为单位的标记新增和删除 4.7.1

11、标记中止与撤销 支持通过键盘快捷键中止或撤销进行中的勾画 4.7.2 标签调整 支持调整勾画与病灶的对应关系 4.7.3 勾画复制粘贴 支持对单个/多个勾画进行复制粘贴操作，适应三维标记场景 4.7.4 标记单个删除 支持鼠标右键删除单个标记 4.7.5 标记批量删除 支持同时选择多个标记，进行批量删除 4.7.6 标记快捷删除 支持键盘按键对标记进行快捷删除 4.7.7 撤销标记删除 支持通过键盘快捷键撤销标记的删除 4.8 实时保存 在标记过程中，系统自动对标记内容做实时保存，充分保障数据和标记安全性 4.9 标记提交与废弃 支持在完成影像标记后，对影像进行提交或废弃操作 5. 深度学习建

12、模系统 编号No. 服务内容 描述 5.1 内置算法 内置算法模型数量总计 72 种 5.1.1 预置分类 ResNet 算法 5.1.2 预置分类 Inception 算法 5.1.3 预置分类 DenseNet 算法 5.1.4 预置检测 Faster-RCNN 算法 5.1.5 预置检测 SSD 算法 5.1.6 预置检测 YOLO 算法 5.1.7 预置分割 FCN 算法 5.1.8 预置分割 UNet 算法 5.1.9 预置分割 Deeplab 算法 5.2 模型定制化 支持定制化模型开发 5.3 迁移学习 支持模型迁移学习 5.4 支持场景 支持整图分类，病灶分类，检测，分割四种应

13、用场景 5.5 数据预处理 预置数据的大小，窗宽窗位 3 种预处理方式 5.5.1 支持 Resize 5.5.2 支持窗宽调节 5.5.3 支持窗位调节 5.6 数据扩增 预置 8 种数据扩展方式 5.6.1 支持随机裁剪 5.6.2 支持随机调整大小 5.6.3 支持随机调整比例 5.6.4 支持随机翻转 5.6.5 支持随机调整亮度 5.6.6 支持随机调整对比度 5.6.7 支持随机调整饱和度 5.6.8 支持随机调整色调 5.7 可调式模型超参数 支持 14 种模型超参数调试 5.7.1 Epoch: 训练轮数 5.7.2 Snapshot Interval: 储存间隔 5.7.3

14、Validation Interval: 验证间隔 5.7.4 Batch Size: 一次训练的样本数 5.7.5 Optimizer: 优化器选择 5.7.6 Optimizer Param: 优化器相关参数 5.7.7 Weight Decay: 权重衰减 5.7.8 Shuffle: 是否随机数据 5.7.9 Base Learning Rate: 基础学习率 5.7.10 Learning Rate Mode: 学习率衰减方式选择 5.7.11 LR Param：学习率衰减参数 5.7.12 Warmup Learning Rate: 热身学习率 5.7.13 Warmup Epoc

15、h: 热身轮数 5.7.14 Warmup Mode: 热身方式 5.8 硬件选择 支持对运算 GPU 的个数选择 5.9 训练过程可视化 深度学习模型的参数设置界面和模型运行界面均为直观可视化界面，实时提供准确率、Loss 函数等信息 5.10 模型批量测试 提供对测试集的测试结果，包含金标准、预测结果、probability、accuracy、ROC 等信息 5.10.1 分析模型的准确性 自动计算“正确样本数”占总样本数的比例，越高则模型结果越可信 5.10.2 绘制模型的ROC 曲线 根据分类器对所有样本归属于某一类别的概率或者决策值，选取不同的阈值进行决策，同时获得分类器在该阈值对样

16、本进行分类的真阳性率和假阳性率。以真阳性率为纵轴，以假阳性率为横轴，绘制曲线，就是 ROC 曲线 5.10.3 计算模型的AUC 值 自动计算 ROC 曲线下方区域面积，取值为 0-1 之间， 越大表明分类器表现越优秀 5.11 模型单例测试 提供对单例的测试结果，包含金标准、预测结果、probability 等信息 5.11.1 阈值调节 可调节阈值，查看单例的预测结果 6. 多中心功能模块 编号No. 服务内容 描述 6.1 模型导入 支持外部模型的导入 6.2 模型简介 可支持模型名称、简介编辑 6.3 模型数量 支持 20 种已有深度学习模型，包括肺结节良恶性分类，肺结节分割，肝分割，

17、乳腺肿块检测，肺实性结节检测，可现场进行内置病例测试 6.4 模型分享 支持将已有模型进行分享至多中心模块 6.5 模型下载 支持将多中心模型下载至本地 7. 超高维影像组学模块 编号No. 服务内容 描述 7.1 组学项目管理 对组学项目进行管理和操作 7.1.1 组学项目信息展示 以列表的形式对组学的项目名称、数据格式、备注信息、创建时间等进行展示 7.1.2 组学项目操作 支持对组学项目进行创建、删除、信息编辑、搜索等操作 7.2 组学数据管理 对组学项目研究中的样本数据管理 7.2.1 数据集合并导入 支持多个数据集的数据合并导入 7.2.2 数据动态导入 支持动态地、持续往项目中导入

18、数据 7.2.3 数据导入记录 支持对数据导入的历史进行记录和追溯 7.2.4 数据导入预处理 支持在数据导入过程中对影像和标记数据的有效性进行预分析 7.2.5 数据预览 支持对导入的影像和标记数据进行预览 7.3 组学实验管理 同一个组学项目支持按需要创建多个不同的实验 7.3.1 实验数据选择 支持选择全部或部分项目数据进行实验 7.3.2 ROI 维度定义 支持 2D/3D ROI 类型的选择，不同类型 ROI 所对应的形状特征略有不同 7.3.3 分类目标定义 支持分类目标的自定义，支持分类目标的合并 7.3.4 实验分组定义 支持手动分组和上传 csv 表格分组两种方式 7.4 特

19、征提取 对医学影像中的超高维特征进行自动提取 7.4.1 特征提取数量 支持 Pyradiomics 特征库，可提供 1700+维特征 7.4.2 特征提取参数配置 支持对 7 个不同的特征组和 8 个不同的滤波器进行配置 7.4.3 特征导出 支持对提取的特征结果以.csv 的格式进行导出 7.4.4 特征分析 支持对特征结果进行统计和分析 7.5 特征变换 对提取的特征进行降维等操作 7.5.1 特征降维方法 支持 Lasso 降维方法 7.5.2 特征降维参数设置 支持交叉验证和手动设置参数两种降维方式 7.5.3 Lasso 曲线 支持自动生成 Lasso 降维曲线，并支持导出 7.5

20、.4 特征导出 支持特征变换的结果以 .csv 的格式导出 8. 机器学习模块 编号No. 服务内容 描述 8.1 预置算法 预置 14 种经典机器学习算法进行自动建模 8.1.1 预置Bernoulli NB in Nave Bayes 算法 8.1.2 预置Gaussian NB in Nave Bayes 算法 8.1.3 预置 Logistic Regression 算法 8.1.4 预置 Random Forest 算法 8.1.5 预置 Decision Tree 算法 8.1.6 预置 SVC in SVM 算法 8.1.7 预置 NuSVC in SVM 算法 8.1.8 预置 Multi-Layer Perceptro