Patho-COT 是一个面向科研和教学演示的病理图像分析系统。它使用 FastAPI 提供 Web 界面,将图像质量检测、器官分类、细胞检测、病变性质判定、组织亚型分类和中文报告生成串联为六步流程。
在线原版项目界面: https://fanlin455.github.io/patho-cot/
医疗声明:本项目仅用于科研、教学与技术演示,不可替代病理医师的专业诊断。请勿向公开演示环境上传可识别患者身份的数据。
- 病理图像质量检测:对焦、染色、组织占比和可用性评分
- 器官分类与 Top-5 概率展示
- YOLO 细胞检测,可选 SAM 像素级分割
- 病变性质与组织亚型分类
- 单图六步引导式诊断与多图批量分析
- 本地大模型生成结构化中文报告
docs/ 由 scripts/export_github_pages.py 直接从项目原有的 Jinja 模板和静态资源导出,包含原版入口、仪表盘、六步诊断、多图分析、数据集、模型、报告和 3D 浏览器界面。GitHub Pages 不运行 Python、FastAPI、CUDA 或模型推理,因此页面中需要 /api/* 后端的真实诊断功能不会在 GitHub Pages 上执行。
完整后端需要:
- Windows 10/11,Python 3.10–3.12
- NVIDIA GPU,建议显存不低于 8GB
- CUDA 12.8 兼容驱动
- 约 12GB 磁盘空间(模型与 Python 依赖)
- 准备本项目所需的模型权重,按
使用说明.md的目录结构放置。 - 在 Windows 上双击
一键安装依赖.bat。 - 安装完成后双击
启动系统.bat。 - 打开 http://127.0.0.1:8001/。
也可在已配置好依赖的环境中启动:
$env:PATHO_COT_MODEL_ROOT = (Get-Location).Path
Set-Location patho_cot_web
python -m uvicorn app:app --host 0.0.0.0 --port 8001大模型权重、训练产物、历史数据库、用户上传和生成结果均不推送到 GitHub:
- GitHub 普通 Git 对大文件有限制;
- 历史数据和上传内容可能包含隐私信息;
- Phikon v2 和 Qwen2.5 应根据各自模型许可证从原始发布渠道获取。
必需目录结构和完整安装步骤见 使用说明.md。
如需让外网用户真正上传图片并运行推理,需将这个仓库部署到具备 NVIDIA GPU 的服务器,并在公网开放前增加服务端身份验证、HTTPS、上传限制、隐私保护和数据清理策略。