项目成员：李颖

指导教师：孙风栋、高宇

作品简介：通过人工智能技术解决传统结核病诊断中效率低、成本高及基层医疗资源匮乏问题。系统以胸部CT影像为分析对象，融合ResNet和DenseNet两种深度学习模型，通过自动特征提取实现结核病阳性/阴性的智能分类。后端采用Flask框架开发，前端构建响应式Web界面并集成语音交互功能，支持用户上传影像、获取诊断报告及历史记录查询，可助力基层医疗机构开展结核病早期筛查，降低诊断门槛，具有显著的临床应用价值和推广前景。

图1作品功能展示图

图2图像上传功能展示图

图3图像诊断实现展示图

图4诊断历史查看功能展示图

项目创新点：

（1）模型架构创新：结合ResNet残差连接与DenseNet密集连接机制，兼顾全局特征提取与细粒度病灶识别能力，解决深层网络梯度消失问题的同时，提升微小钙化灶的检测精度。

（2）数据处理与增强策略：采用SimpleITK库处理DICOM格式医学影像，结合直方图均衡化、高斯滤波去噪及多维度数据增强，将数据集扩充并有效提升模型泛化能力。

（3）系统功能与交互设计：集成pyttsx3离线语音交互模块，支持文本转语音反馈，降低非专业用户操作门槛，适配基层医疗场景。前端界面采用响应式的设计理念，适配各式各样的终端设备，后端服务采用Flask框架开展开发，保障系统始终高效稳定地运行。

（4）临床应用价值突破：填补偏远地区医疗资源缺口，通过自动化诊断减少人工阅片成本，诊断准确率达94.7%，接近专业医师水平，为结核病早期筛查提供标准化工具。支持历史记录管理与报告导出，便于患者病程追踪和医生辅助决策，推动智能诊疗技术在公共卫生领域的落地。

项目视频二维码：