JwzTumor

JwzTumor 是面向乳腺超声图像的良恶性辅助诊断与研究平台。项目将病灶定位、分割、分类、可解释证据和结构化报告整合为一条可部署的工作流，并提供开箱即用的 Web 工作台与推理服务。

本项目用于科研和临床辅助，不构成独立诊断结论，不能替代超声医师、病理检查或其他临床判断。

简介与功能说明

flowchart LR
    A[乳腺超声图像] --> B[域适配与病灶定位]
    B --> C[粗分割与精细分割]
    C --> D[良恶性分类]
    D --> E[可解释证据链]
    E --> F[结构化辅助诊断报告]

临床辅助诊断

• 支持单图诊断与双侧乳腺图像融合分析。
• 输出良恶性概率、病灶分割、边缘、瘤周环带、不确定性等可解释结果。
• 提供患者信息录入、影像复核、智能体辅助分析、报告审查与导出工作流。
• 内置病例、用户、模型、日志、备份和运行状态等管理能力。

多模型推理与研究

• 支持 LABDG-Pre、DGBC-MTLNet、MPTC-Head 组成的分割辅助多任务诊断模型。
• 可编排域转移、YOLO/ROI、nnUNetv2、MedSAM2 与分类模型，形成多阶段推理流水线。
• 覆盖训练、预测、评估、数据审计与数据格式转换等研究流程。
• 支持 BUSBRA、BUSI 及通用乳腺超声数据集格式。

便携部署

• 通过 PyPI 安装，Python 包内自带构建后的 Web 工作台，无需单独部署前端。
• Server 使用 YAML、环境变量或启动参数配置，可在 Windows 与 Linux 上运行。
• 支持 CPU、CUDA 和自动设备选择；模型与运行数据可放在独立目录，便于迁移和备份。
• 支持同端口托管 API 与 UI，也可拆分端口接入反向代理或现有前端。

安装

JwzTumor 需要 Python 3.10 或更高版本。

pip install jwztumor

默认安装已包含 Server、Web 工作台、nnUNetv2 后端和运行监控所需依赖，安装后可直接使用 jwzt server。

Server 部署

生成配置文件并启动服务：

jwzt get -t server -o server.yaml
jwzt server --config server.yaml

配置模型路径后，默认可在 http://127.0.0.1:8000/ 使用包内 Web 工作台。完整的配置说明、示例文件、模型目录规划、安全建议和升级备份步骤见：

• Server 部署与配置帮助
• 预训练模型存放说明
• Server YAML 示例

更新

pip install -U jwztumor

版本重点与升级注意事项见 UPDATE.md，完整历史记录随 Python 包发布。

License

Apache-2.0