143 lines
4.5 KiB
Markdown
143 lines
4.5 KiB
Markdown
# 测试素材说明（图片集 + YOLO 权重）
|
||
|
||
本目录与 `data/weights` 已预置**可离线手动测试**的公开样例，供实训演示使用。
|
||
|
||
> ⚠️ 仅供教学 / 系统联调，**不能用于真实临床诊断**。
|
||
|
||
---
|
||
|
||
## 一、YOLO 权重位置
|
||
|
||
目录：
|
||
|
||
```
|
||
ai-service/data/weights/
|
||
├── yolov8n.pt # YOLOv8 Nano 检测（约 6.3 MB，推荐先用这个）
|
||
└── yolov8n-seg.pt # YOLOv8 Nano 分割（约 6.7 MB，可选）
|
||
```
|
||
|
||
| 文件 | 来源 | 适配说明 |
|
||
|------|------|----------|
|
||
| `yolov8n.pt` | Ultralytics 官方 COCO 预训练 | 与本系统 FastAPI `ultralytics.YOLO` 完全兼容；可在「YOLO 权重」页上传/激活 |
|
||
| `yolov8n-seg.pt` | 官方分割权重 | 本系统当前检测管线以 **detect** 为主，分割权重可作扩展试验 |
|
||
|
||
**说明：**
|
||
公开可直接下载、体积适中、协议清晰的医学专用 YOLO 权重较少；此处采用官方通用权重验证「上传 → 激活 → 真实推理」全链路。
|
||
医学影像上 COCO 类别不一定命中（可能 0 个框），属正常；此时系统仍可走报告逻辑，或回退演示检测。
|
||
若你有自己训练的胸片/结节 `.pt`，直接替换或上传覆盖即可。
|
||
|
||
### 在管理端激活
|
||
|
||
1. 登录 `admin / admin123`
|
||
2. 打开 **YOLO 权重**
|
||
3. 上传 `ai-service/data/weights/yolov8n.pt`（或直接在该目录已有文件时点刷新后激活）
|
||
4. 策略选 `auto` 或 `real`
|
||
5. **需安装** `ultralytics` 才能真实加载：
|
||
|
||
```bash
|
||
cd ai-service
|
||
.\.venv\Scripts\activate
|
||
pip install ultralytics torch torchvision
|
||
# 重启 AI 服务
|
||
uvicorn app.main:app --host 0.0.0.0 --port 8001
|
||
```
|
||
|
||
也可在 PowerShell 用接口激活（AI 服务已启动时）：
|
||
|
||
```bash
|
||
# 若权重已在 data/weights 下，FastAPI 可直接 activate
|
||
curl -X POST http://127.0.0.1:8001/yolo/weights/activate -H "Content-Type: application/json" -d "{\"name\":\"yolov8n.pt\",\"demo_mode\":\"auto\"}"
|
||
```
|
||
|
||
---
|
||
|
||
## 二、图片集位置
|
||
|
||
### 1. 真实公开胸片（COVID 相关科研数据集子集）
|
||
|
||
```
|
||
ai-service/samples/medical/
|
||
├── chest_sample_1.jpeg ~ chest_sample_4.jpeg
|
||
├── covid_xray_1.jpg ~ covid_xray_3.jpg
|
||
```
|
||
|
||
- 来源：[ieee8023/covid-chestxray-dataset](https://github.com/ieee8023/covid-chestxray-dataset)（GitHub 公开）
|
||
- 建议在前端 **影像诊断** 中类型选 **X_RAY / CT**，部位填「胸部」后上传测试
|
||
|
||
### 2. 仿真医学图（本地生成，联调兜底）
|
||
|
||
```
|
||
sim_chest_xray_normal.png
|
||
sim_chest_xray_opacity.png
|
||
sim_chest_ct_nodule.png
|
||
sim_brain_ct.png
|
||
sim_knee_xray.png
|
||
sim_ultrasound.png
|
||
```
|
||
|
||
灰度仿真图，便于无外网时继续测 UI/报告链路。
|
||
|
||
### 3. 通用目标检测验证图（验证权重是否“真的在跑”）
|
||
|
||
```
|
||
ai-service/samples/bus.jpg
|
||
ai-service/samples/zidane.jpg
|
||
```
|
||
|
||
- 来源：Ultralytics / YOLOv5 示例图
|
||
- 用 `yolov8n.pt` 推理时应能检出 **person / bus** 等 COCO 类别
|
||
- 用于确认：权重激活成功 + ultralytics 安装正确
|
||
|
||
### 4. 业务端副本（方便对照）
|
||
|
||
已复制一份医学样例到：
|
||
|
||
```
|
||
smart-hospital/uploads/images/samples/
|
||
```
|
||
|
||
---
|
||
|
||
## 三、推荐手动测试流程
|
||
|
||
### A. 验证「真实权重」链路
|
||
|
||
1. 安装 `ultralytics` 并重启 AI 服务
|
||
2. 管理端激活 `yolov8n.pt`，模式 `auto`/`real`
|
||
3. 上传 `samples/bus.jpg` 到影像诊断并 AI 诊断
|
||
4. 查看报告：应出现检测框；引擎显示 `real`
|
||
5. 回到 **YOLO 权重** 页看可视化统计是否增加「真实权重推理」
|
||
|
||
### B. 验证「医学影像」业务链路
|
||
|
||
1. 上传 `samples/medical/covid_xray_1.jpg` 等
|
||
2. 类型选 X_RAY，部位「胸部」
|
||
3. 看标注图 + 诊断报告 + 置信度
|
||
4. （可选）无权重或 demo 模式下会出演示框，属预期
|
||
|
||
### C. 仅演示模式（不装 torch）
|
||
|
||
1. 不激活权重，或模式选 `demo`
|
||
2. 任意医学图均可出演示检测框与报告
|
||
|
||
---
|
||
|
||
## 四、目录速查
|
||
|
||
| 内容 | 路径 |
|
||
|------|------|
|
||
| 权重 | `ai-service/data/weights/` |
|
||
| 医学图片 | `ai-service/samples/medical/` |
|
||
| 通用测试图 | `ai-service/samples/bus.jpg` 等 |
|
||
| 权重配置（激活后生成） | `ai-service/data/yolo_config.json` |
|
||
| 推理统计（诊断后生成） | `ai-service/data/yolo_stats.json` |
|
||
|
||
---
|
||
|
||
## 五、许可与合规
|
||
|
||
- Ultralytics 权重：遵循 Ultralytics / AGPL 相关协议，仅作学习研究
|
||
- covid-chestxray-dataset：遵循原仓库许可证，仅作科研/教学
|
||
- 仿真图：项目内生成，无患者隐私
|
||
- **禁止将本素材与系统输出用于真实诊疗**
|