项目成员：李正

指导教师：闫浩楠、孙风栋

作品简介：本系统完成了一套淋巴结癌症识别系统的构建与实现，此系统依托于深度学习技术展开，前端开发采用Vue框架，提供了直观的操作界面，集成了图像上传、模型切换以及分类结果展示等功能模块，同时加入语音播报功能来优化使用体验，后端设计基于PyTorch平台完成，引入ResNet50和DenseNet两种深度学习模型以处理相关的淋巴结癌症医学影像资料，从而支持智能分类任务进行处理。针对医学影像数据稀缺的情况，利用数据增强手段扩展样本数量，并对训练过程做调整设置，提升整体性能及应用覆盖能力，用户能够自行切换模型类型用以辅助诊断操作，分类结论通过可视化的图表形式呈现，结合语音提示反馈给用户，提高系统的易用性。

图1功能结构设计图

图2系统注册登录功能图

图3影像诊断功能图

图4检测记录查看功能图

项目创新点：

（1）技术创新：本系统创新性地构建双深度学习模型协同架构，通过DenseNet与ResNet50模型的优势互补，实现淋巴结癌症医学图像的高精度识别——经实验验证，DenseNet模型以91.6%的识别准确率显著优于ResNet50的81.7%，且支持用户根据场景需求自由切换模型，打破单一模型的性能局限。

（2）应用创新：系统采用Flask+PyTorch技术栈搭建全流程交互体系，不仅实现医学图像上传、预测结果可视化等功能，更创新性嵌入语音播报反馈模块，通过文本转语音技术将诊断结果转化为语音信息流，尤其为视障用户提供无障碍操作体验，构建了技术精度与人文关怀兼具的智能医疗识别系统。

项目视频二维码：