基于深度学习（U-Net架构下改良GAN与ViT算法）的高效肺部多模态疾病预测模型

更多基于深度学习方向的毕业设计请关注专栏 --- 深度学习相关计算机毕业设计

---

✨ 病情预测算法Web端演示视频

---

✨ 多模态病情预测模型在线体验链接

👇

Web端在线体验地址：✅访问这里进行病情预测在线体验✅

注意：为了节约电费成本：服务器开放时间为每年2月1日到7月1日（其余时间上述连接可能不能访问）

---

---

模型训练日志（采用Tensorboard可视化工具）

模型结构设计

  医学图像不同于传统自然图像，其微小结构往往蕴含着复杂且丰富的人体结构特征，本课题受U-Net变体结构的启发，构建了一个全新的框架。该框架创新性地将GAN结构与ViT相结合，旨在达成高质量的CT医学图像特征分析，并将图像的全局上下文交互融入肺部疾病分类任务中。借助ViT技术，模型在捕捉图像的全局特征与上下文信息方面表现更为出色，进而在更大尺度上实现语义连贯的高质量分类

---

🚀 算法模型获取

• Giuhub链接：GitHub链接

PS：如果通过Github访问项目，需要科学上网。但是注意最好不要通过“加速通道”访问，因为我的代码常有更新维护，加速通道中的项目版本同步不及时可能较老

运行要求

• 运行算法与Web前端需要 Python >= 3.8
• 建议使用带有Nvidia（英伟达）系列的显卡（例如常见的GeForce 1060、3090、4090、5090等都是Nvidia系列的）
• 如果电脑没有独立显卡也可使用该模型（需通过内存加载模型并丢给CPU进行推理计算，不过推理速度会慢一些）

---

⚡️环境配置及使用方法（Windows / Linux / Mac均适用）

环境配置

方式一：使用conda在本地部署环境

# 从github上Clone项目（需要你安装了git工具）
git clone https://github.com/zxx1218/image_fix.git

# 使用conda创建环境
conda create -n lunchdet python=3.8 -y
conda activate lunchdet

# 安装依赖
pip install -r requirements.txt 

模型使用方法

方式一：启动Web端应用（支持电脑手机端口页面自适应） * 效果同上述在线体验连接

部署好环境后使用如下命令启动web端（会启动在127.0.0.1:xxxx的本机环回地址下，图中示例为9091端口)

cd lunchdet
python main.py

回车后会自动启动Web服务，在控制台看到如下信息代表成功启动，在浏览器打开弹出的URL即可👇

🔧 如何自己训练模型?

• 训练自己想要的定制化图像修复模型只需要准备好待修复图片即可，训练过程作者已经包装为脚本，两步操作即可训练，具体训练方式请咨询作者

---

⭐️作者联系方式：

• Github提供训练好的模型文件以及调用该文件进行修图的测试代码（Github开源代码中不含模型定义源码、训练代码，仅提供可供测试的模型文件，拉取Git代码后安装环境可进行测试）
• 该项目完整代码 + 详细环境配置（如有需要可提供模型远程部署）+ Web端 + 训练方式 == 价格300RMB
• 如果你的电脑没有合适的GPU，或需要自行训练私有数据而自己的GPU显存不够，作者另提供GPU服务器免费使用服务（到当年7月初毕业季结束），免费提供20G显存+224G内存云服务器（可使用Vscode、OpenSSH、PuTTY、Xshell、SecureCRT、MobaXterm等远程工具连接）

---

Advertisement

• 作者于浙江某985高校就读人工智能方向博士生(CSDN已认证)，可以定制模型，并提供相应技术文档以及各种需要，只需要描述需求即可
• 人工智能、深度学习领域，尤其是计算机视觉（Computer vision，CV）方向的模型or毕业设计，只要你想得出，没有做不出