ccfcontest

Mindmedic: 🥰人人都能负担得起的人工智能诊断❤️

Introduction: 以下部分提供了有关重现 Mindmedic 中使用的数据处理工作流程的详细说明。其中包括处理乳腺癌、心电图和 X 射线成像数据的步骤，以确保数据采用适合模型训练和微调的格式。

alt text

1.1.1 乳腺肿瘤数据

数据采集
- 从癌症成像档案网站下载相关数据，该网站提供适用于 Linux 和 Windows 平台的数据下载器。
- 将下载的数据保存到您的服务器或本地机器上。数据应如以下示例所示。

alt text

数据处理
- 使用以下命令导航到指定目录：
```
cd Biochemical
```
- 依次执行以下命令来处理数据：
```
python dataprocessing.py   # 此步骤可能需要相当长的时间。
python find_emptyimages.py
python convert_json.py
python json_normalization.py
python add_suggestion.py
```
- 这些脚本会将 DICOM 文件转换为可训练的图像格式，添加标签和提示，并包含诊断建议。最终输出将是可用于模型微调的 JSON 文件。
- 注：由于数据量较大（646GB），本服务器无法进行全量数据训练，建议硬件资源充足的用户进行全量数据微调，以达到模型最佳性能。

1.1.2 心电图数据

数据准备

执行以下命令处理ECG数据：

python dataprocessing.py
python add_suggestions_to_json.py

1.1.3 X光片数据

数据处理

本节概述了重现和测试 Mindmedic 各个组件所需的步骤。它包括调试和运行应用程序的详细说明，确保用户可以有效地复制心电图、X 射线和乳腺肿瘤分析的过程。

1.2.1 单独调试

调试单个组件时，请按照以下步骤操作。这里以 ECG 分析为例。

导航至 ECG 目录：
```
cd ECG/VisualGLM-6B
```
启动后端服务： 运行以下命令启动后端服务：
```
python api_ecg.py
```
启动成功后，后端服务应显示输出，表明它正在各个地址上运行。

alt text

简便方法，可以简单地进入 Vite 项目文件夹，然后运行以下命令来启动前端服务：

npm install --legacy-peer-deps
npm run dev

通过上面的命令，前端服务也会上线，你可以选择你想要的方式！😉

在浏览器中访问服务： 在浏览器中打开指定的本地地址（例如 http://localhost:8080）。导航到 ECG Analysis 选项卡，上传图像并查看返回的结果。

alt text

调试X射线诊断和乳腺肿瘤分析的步骤类似。确保在测试期间在前端选择了适当的项目。

启动所有 API： 要同时启动所有服务，请执行以下脚本：
```
bash start_apis.sh
```
启动成功后，您应该会看到一条确认消息，表明所有服务都在运行。

访问和使用服务： 打开 Web 界面并与三个诊断服务（ECG、X 射线和乳腺肿瘤分析）进行交互。每个服务都应可访问且功能齐全，允许同时使用。
停止所有 API： 测试完成后，使用以下命令停止所有正在运行的服务：
```
bash stop_apis.sh
```
此命令将终止所有活动服务，确保释放资源。

通过遵循这些步骤，用户可以有效地调试和测试 Mindmedic 的各个组件以及整个系统，确保所有功能均按预期运行。