系統(tǒng)配置說明

1、系統(tǒng)配置說明 人工智能科研平臺，是一款專門用于開展醫(yī)療人工智能科研工作的系統(tǒng)，系統(tǒng)具有數(shù)據(jù)管理，數(shù)據(jù)標注，深度學習，影像組學和多中心模塊，并配備有專門的科研服務團隊，能夠為開展醫(yī)療人工智能科研提供全套工具和服務，提升科研效率和成果。 1. 用戶管理系統(tǒng) 編號No. 服務內(nèi)容 描述 1.1 不同身份權限 支持管理員、研究員、標記員三種身份登錄，分別對應不同權限 1.2 課題組管理 支持管理員和研究員對課題組進行創(chuàng)建和人員管理 1.3 系統(tǒng)登錄控制 系統(tǒng)支持單點登錄，對用戶數(shù)據(jù)和信息安全提供充分保障 1.4 賬號期限 從合同簽訂之日起開始計算 2 年 1.5 賬號個數(shù) 研究員賬號 1 個 2. 影

2、像數(shù)據(jù)管理系統(tǒng) 編號No. 服務內(nèi)容 描述 2.1 模塊語言 支持界面中英文切換 2.2 數(shù)據(jù)集任務類型 支持整圖分類，病灶分類，對象檢測，特征點檢測， 分割五種任務類型的影像數(shù)據(jù)集的創(chuàng)建和管理 2.3 數(shù)據(jù)集管理 智能化數(shù)據(jù)管理模塊支持對數(shù)據(jù)集進行管理和操作 2.3.1 數(shù)據(jù)集信息展示 支持對數(shù)據(jù)集的基本信息和標記進展進行統(tǒng)計及展示 2.3.2 數(shù)據(jù)集操作 支持創(chuàng)建、編輯、復制、分享、刪除數(shù)據(jù)集 2.3.3 數(shù)據(jù)集遷移 支持將特定任務類型的影像數(shù)據(jù)和標記遷移成為其他類型數(shù)據(jù)集，用于不同研究目的 2.4 導入影像數(shù)據(jù)格式 支持多種格式的影像數(shù)據(jù)導入 2.4.1 醫(yī)學影像支持格式 支持 DICO

3、M, NII, NRRD 格式的影像數(shù)據(jù) 2.4.2 多種格式醫(yī)數(shù)據(jù)同時上傳 支持 DICOM, NII, NRRD 等多種醫(yī)學影像數(shù)據(jù)同時上傳 2.4.3 普通影像支持格式 支持 JPEG,PNG 格式的圖像導入 2.5 導入影像數(shù)據(jù)模態(tài) 支持 CT 影像，MR 影像，X 線影像，乳腺鉬靶影像，病理影像，超聲影像等醫(yī)學數(shù)據(jù)的導入 2.6 導入標記類型 支持多種格式第三方勾畫導入，且平臺支持對導入勾畫做進一步編輯 2.6.1 支持 nii.gz格式標記 支持第三方 nii.gz 格式勾畫及標簽導入 2.6.2 支持 nrrd 格式標記 支持第三方 nrrd 格式勾畫及標簽導入 2.6.3 支持

4、多種標記格式同時上傳 支持 nii.gz、nrrd 等多種不同格式的標記數(shù)據(jù)同時導入 2.7 數(shù)據(jù)清洗 支持在上傳 DICOM 影像數(shù)據(jù)過程中，對序列數(shù)據(jù)進行數(shù)據(jù)清洗 2.8 數(shù)據(jù)脫敏 支持在上傳 DICOM 影像數(shù)據(jù)過程中，對序列數(shù)據(jù)進行脫敏，確保數(shù)據(jù)安全 2.9 數(shù)據(jù)批量操作 支持對數(shù)據(jù)進行新增、刪除、提交、廢棄等批量操作 2.10 數(shù)據(jù)導出和再導入 支持將影像數(shù)據(jù)、影像標記數(shù)據(jù)、臨床數(shù)據(jù)導出至本地存檔，后續(xù)可以再導入平臺使用 2.10.1 影像數(shù)據(jù)導出 支持將 DICOM/NII/NRRD 影像以 DICOM 格式導出，且可以重新導入平臺使用 2.10.2 矩形框標記導出 支持將矩形框標

5、記以 XML 或者 NII 的格式導出，且可以重新導入平臺使用 2.10.3 多邊形標記導出 支持將多邊形標記以 NII 的格式導出，且可以重新導入平臺使用 2.10.4 標記表格導出 支持將數(shù)據(jù)基礎信息和標記結果以表格形式導出，且可以重新導入平臺使用 2.11 多種實驗分組方式 支持對實驗數(shù)據(jù)的多種分組方式，滿足不同實驗需求 2.11.1 實驗數(shù)據(jù)預先分組 能按照預先確認的實驗分組，將數(shù)據(jù)用于訓練、驗證、測試 2.11.2 實驗數(shù)據(jù)隨機分組 能按照自定義的比例將數(shù)據(jù)隨機分配用于訓練、驗證、測試 2.11.3 實驗數(shù)據(jù)均衡分組 能按照自定義的比例均衡某個標簽，將數(shù)據(jù)分配用于訓練、驗證、測試 2

6、.11.4 實驗數(shù)據(jù)調(diào)整分組 支持對單例/多例數(shù)據(jù)的實驗分組進行手動調(diào)整 2.11.5 實驗分組結果可視化 支持對實驗分組的結果進行可視化展示 3.表格數(shù)據(jù)集管理模塊 3.1 數(shù)據(jù)集管理 支持對數(shù)據(jù)集進行管理和操作 3.3.1 數(shù)據(jù)集信息展示 支持對數(shù)據(jù)集的名稱、備注、創(chuàng)建日期等基本信息進行展示 3.3.2 數(shù)據(jù)集操作 支持數(shù)據(jù)集的創(chuàng)建、復制、分享、刪除、搜索等操作 3.2 數(shù)據(jù)導入與導出 支持.csv 格式的表格數(shù)據(jù)導入與導出 3.3 數(shù)據(jù)質(zhì)控 支持對表格數(shù)據(jù)的內(nèi)容進行質(zhì)控分析 3.3.1 異常值分析 支持對表格中的無效值、缺省值等異常值自動識別和統(tǒng)計 3.3.2 特征工程 支持根據(jù)樣本分布

7、情況自動進行處理，如小樣本合并 3.4 數(shù)據(jù)分析與統(tǒng)計 支持對表格數(shù)據(jù)內(nèi)容進行分析與統(tǒng)計 3.4.1 樣本總量的統(tǒng)計 支持對表格數(shù)據(jù)中樣本總量的統(tǒng)計 3.4.2 樣本分布的統(tǒng)計 支持對表格數(shù)據(jù)中每項特征的樣本分布進行統(tǒng)計，并通過可視化的方式進行展示 4. 多任務智能標記系統(tǒng) 編號No. 服務內(nèi)容 描述 4.1 批量標記 支持在上傳影像數(shù)據(jù)過程中，對影像做批量標記 4.2 標簽定義 支持根據(jù)研究項目，對標記標簽進行定義 4.3 標簽數(shù)量 同一數(shù)據(jù)可同時賦予多種標記內(nèi)容，用于不同研究 4.4 影像瀏覽工具數(shù)量 支持 12 種影像瀏覽輔助工具選項 4.4.1 翻層工具 可以查看序列影像上下層信息 4

8、.4.2 放大/縮小工具 可放大/縮小查看影像 4.4.3 窗寬窗位快捷工具 支持多種常見的默認窗寬窗位 4.4.4 窗寬窗位自定義工具 支持對窗寬窗位進行自定義設置 4.4.5 移動工具 支持在平面各方向上對影像進行移動 4.4.6 反色工具 支持對影像一鍵反色 4.4.7 長度測量工具 支持影像上任意兩點間長度的測量 4.4.8 點密度測量 支持密度探針在影像上隨意滑動，展示每一像素點的圖像值 4.4.9 區(qū)域密度測量 支持對任意橢圓形區(qū)域圖像值進行展示 4.4.10 角度測量 支持對角度進行測量 4.4.11 恢復設置 支持對窗寬窗位、縮放等操作一鍵恢復至初始狀態(tài) 4.4.12 多視圖

9、多種不同窗口布局，如 11,22 等，滿足多個序列同時顯示 4.5 標記工具 針對感興趣區(qū)域的勾畫，共提供 9 種不同的標記工具 4.5.1 AI 標記 AI 模型對導入數(shù)據(jù)自動標記后，研究員和標記員可對標記進行查看和修改 4.5.2 自動插值標注功能 對病灶開始層、最大層、結束層進行框選，調(diào)用算法，將自動完成病灶的全層面框選 4.5.3 自動雙向拓展標注功能 框選病灶的任意一層，將自動向標注層的前后層進行拓展，實現(xiàn)共 20 個層面的自動框選 4.5.4 點狀標記 支持關鍵點檢測標記 4.5.5 檢測標記 支持矩形框標記 4.5.6 分割折線標記 支持點畫折線勾劃感興趣區(qū)域 4.5.7 分割鉛

10、筆標記 支持鉛筆模式勾劃感興趣區(qū)域 4.5.8 分割刷子標記 支持刷子工具進行區(qū)域涂抹，且刷頭大小和蒙層透明度可以快捷調(diào)整 4.5.9 分割橡皮擦擦除 支持橡皮擦工具進行擦除調(diào)整，且橡皮擦大小可以快捷調(diào)整 4.6 數(shù)據(jù)種類 支持多種數(shù)據(jù)類型標記 4.6.1 MRI 影像標記工具 支持分類，檢測，分割標記 4.6.2 CT 影像標記工具 支持分類，檢測，分割標記 4.6.3 X 線標記工具 支持分類，檢測，分割標記 4.6.4 乳腺鉬靶標記工具 支持分類，檢測，分割標記 4.6.5 視頻數(shù)據(jù)標記工具 支持分類，檢測，分割標記 4.7 病灶標記與勾畫 支持以病灶為單位的標記新增和刪除 4.7.1

11、標記中止與撤銷 支持通過鍵盤快捷鍵中止或撤銷進行中的勾畫 4.7.2 標簽調(diào)整 支持調(diào)整勾畫與病灶的對應關系 4.7.3 勾畫復制粘貼 支持對單個/多個勾畫進行復制粘貼操作，適應三維標記場景 4.7.4 標記單個刪除 支持鼠標右鍵刪除單個標記 4.7.5 標記批量刪除 支持同時選擇多個標記，進行批量刪除 4.7.6 標記快捷刪除 支持鍵盤按鍵對標記進行快捷刪除 4.7.7 撤銷標記刪除 支持通過鍵盤快捷鍵撤銷標記的刪除 4.8 實時保存 在標記過程中，系統(tǒng)自動對標記內(nèi)容做實時保存，充分保障數(shù)據(jù)和標記安全性 4.9 標記提交與廢棄 支持在完成影像標記后，對影像進行提交或廢棄操作 5. 深度學習建

12、模系統(tǒng) 編號No. 服務內(nèi)容 描述 5.1 內(nèi)置算法 內(nèi)置算法模型數(shù)量總計 72 種 5.1.1 預置分類 ResNet 算法 5.1.2 預置分類 Inception 算法 5.1.3 預置分類 DenseNet 算法 5.1.4 預置檢測 Faster-RCNN 算法 5.1.5 預置檢測 SSD 算法 5.1.6 預置檢測 YOLO 算法 5.1.7 預置分割 FCN 算法 5.1.8 預置分割 UNet 算法 5.1.9 預置分割 Deeplab 算法 5.2 模型定制化 支持定制化模型開發(fā) 5.3 遷移學習 支持模型遷移學習 5.4 支持場景 支持整圖分類，病灶分類，檢測，分割四種應

13、用場景 5.5 數(shù)據(jù)預處理 預置數(shù)據(jù)的大小，窗寬窗位 3 種預處理方式 5.5.1 支持 Resize 5.5.2 支持窗寬調(diào)節(jié) 5.5.3 支持窗位調(diào)節(jié) 5.6 數(shù)據(jù)擴增 預置 8 種數(shù)據(jù)擴展方式 5.6.1 支持隨機裁剪 5.6.2 支持隨機調(diào)整大小 5.6.3 支持隨機調(diào)整比例 5.6.4 支持隨機翻轉 5.6.5 支持隨機調(diào)整亮度 5.6.6 支持隨機調(diào)整對比度 5.6.7 支持隨機調(diào)整飽和度 5.6.8 支持隨機調(diào)整色調(diào) 5.7 可調(diào)式模型超參數(shù) 支持 14 種模型超參數(shù)調(diào)試 5.7.1 Epoch: 訓練輪數(shù) 5.7.2 Snapshot Interval: 儲存間隔 5.7.3

14、Validation Interval: 驗證間隔 5.7.4 Batch Size: 一次訓練的樣本數(shù) 5.7.5 Optimizer: 優(yōu)化器選擇 5.7.6 Optimizer Param: 優(yōu)化器相關參數(shù) 5.7.7 Weight Decay: 權重衰減 5.7.8 Shuffle: 是否隨機數(shù)據(jù) 5.7.9 Base Learning Rate: 基礎學習率 5.7.10 Learning Rate Mode: 學習率衰減方式選擇 5.7.11 LR Param：學習率衰減參數(shù) 5.7.12 Warmup Learning Rate: 熱身學習率 5.7.13 Warmup Epoc

15、h: 熱身輪數(shù) 5.7.14 Warmup Mode: 熱身方式 5.8 硬件選擇 支持對運算 GPU 的個數(shù)選擇 5.9 訓練過程可視化 深度學習模型的參數(shù)設置界面和模型運行界面均為直觀可視化界面，實時提供準確率、Loss 函數(shù)等信息 5.10 模型批量測試 提供對測試集的測試結果，包含金標準、預測結果、probability、accuracy、ROC 等信息 5.10.1 分析模型的準確性 自動計算“正確樣本數(shù)”占總樣本數(shù)的比例，越高則模型結果越可信 5.10.2 繪制模型的ROC 曲線 根據(jù)分類器對所有樣本歸屬于某一類別的概率或者決策值，選取不同的閾值進行決策，同時獲得分類器在該閾值對樣

16、本進行分類的真陽性率和假陽性率。以真陽性率為縱軸，以假陽性率為橫軸，繪制曲線，就是 ROC 曲線 5.10.3 計算模型的AUC 值 自動計算 ROC 曲線下方區(qū)域面積，取值為 0-1 之間， 越大表明分類器表現(xiàn)越優(yōu)秀 5.11 模型單例測試 提供對單例的測試結果，包含金標準、預測結果、probability 等信息 5.11.1 閾值調(diào)節(jié) 可調(diào)節(jié)閾值，查看單例的預測結果 6. 多中心功能模塊 編號No. 服務內(nèi)容 描述 6.1 模型導入 支持外部模型的導入 6.2 模型簡介 可支持模型名稱、簡介編輯 6.3 模型數(shù)量 支持 20 種已有深度學習模型，包括肺結節(jié)良惡性分類，肺結節(jié)分割，肝分割，

17、乳腺腫塊檢測，肺實性結節(jié)檢測，可現(xiàn)場進行內(nèi)置病例測試 6.4 模型分享 支持將已有模型進行分享至多中心模塊 6.5 模型下載 支持將多中心模型下載至本地 7. 超高維影像組學模塊 編號No. 服務內(nèi)容 描述 7.1 組學項目管理 對組學項目進行管理和操作 7.1.1 組學項目信息展示 以列表的形式對組學的項目名稱、數(shù)據(jù)格式、備注信息、創(chuàng)建時間等進行展示 7.1.2 組學項目操作 支持對組學項目進行創(chuàng)建、刪除、信息編輯、搜索等操作 7.2 組學數(shù)據(jù)管理 對組學項目研究中的樣本數(shù)據(jù)管理 7.2.1 數(shù)據(jù)集合并導入 支持多個數(shù)據(jù)集的數(shù)據(jù)合并導入 7.2.2 數(shù)據(jù)動態(tài)導入 支持動態(tài)地、持續(xù)往項目中導入

18、數(shù)據(jù) 7.2.3 數(shù)據(jù)導入記錄 支持對數(shù)據(jù)導入的歷史進行記錄和追溯 7.2.4 數(shù)據(jù)導入預處理 支持在數(shù)據(jù)導入過程中對影像和標記數(shù)據(jù)的有效性進行預分析 7.2.5 數(shù)據(jù)預覽 支持對導入的影像和標記數(shù)據(jù)進行預覽 7.3 組學實驗管理 同一個組學項目支持按需要創(chuàng)建多個不同的實驗 7.3.1 實驗數(shù)據(jù)選擇 支持選擇全部或部分項目數(shù)據(jù)進行實驗 7.3.2 ROI 維度定義 支持 2D/3D ROI 類型的選擇，不同類型 ROI 所對應的形狀特征略有不同 7.3.3 分類目標定義 支持分類目標的自定義，支持分類目標的合并 7.3.4 實驗分組定義 支持手動分組和上傳 csv 表格分組兩種方式 7.4 特

19、征提取 對醫(yī)學影像中的超高維特征進行自動提取 7.4.1 特征提取數(shù)量 支持 Pyradiomics 特征庫，可提供 1700+維特征 7.4.2 特征提取參數(shù)配置 支持對 7 個不同的特征組和 8 個不同的濾波器進行配置 7.4.3 特征導出 支持對提取的特征結果以.csv 的格式進行導出 7.4.4 特征分析 支持對特征結果進行統(tǒng)計和分析 7.5 特征變換 對提取的特征進行降維等操作 7.5.1 特征降維方法 支持 Lasso 降維方法 7.5.2 特征降維參數(shù)設置 支持交叉驗證和手動設置參數(shù)兩種降維方式 7.5.3 Lasso 曲線 支持自動生成 Lasso 降維曲線，并支持導出 7.5

20、.4 特征導出 支持特征變換的結果以 .csv 的格式導出 8. 機器學習模塊 編號No. 服務內(nèi)容 描述 8.1 預置算法 預置 14 種經(jīng)典機器學習算法進行自動建模 8.1.1 預置Bernoulli NB in Nave Bayes 算法 8.1.2 預置Gaussian NB in Nave Bayes 算法 8.1.3 預置 Logistic Regression 算法 8.1.4 預置 Random Forest 算法 8.1.5 預置 Decision Tree 算法 8.1.6 預置 SVC in SVM 算法 8.1.7 預置 NuSVC in SVM 算法 8.1.8 預置 Multi-Layer Perceptro