AI医疗影像全流程技术实践项目

医疗健康专科门户案例ID：244436

Tong

8 年经验· 城建数字集团

微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。

案例介绍

项目描述：围绕医疗影像处理、分割、配准及智能问答全流程，搭建端到端技术方案，覆盖医疗影像数据预处
理、病灶分割、多模态配准、医疗知识库问答四大核心模块，解决医疗影像标注粗糙、数据格式不统一、小样
本训练、临床问答不精准等行业痛点，适配肺结节筛查、放射诊断辅助等临床场景，结合自身Java后端开发与
大模型应用经验，实现工程化落地与技术优化，形成可演示、可复用的完整技术套件（简历后附有详细说明文
档）。
责任描述：完成医疗影像数据预处理与标注优化，搭建nnUNetv2肺结节分割完整流水线并实现半监督训练，
开发多模态医学影像配准功能，构建医疗影像领域RAG问答系统并完成TinyLlama大模型微调。
使用技术：Python+Java+Pytorch+nnUNetv2+3D Slicer+TinyLlama-1.1B-Chat
v1.0+LangChain+FAISS+Streamlit+Docker
项目亮点：1. 覆盖医疗影像全流程技术，从数据预处理到智能问答，贴合临床实际需求；2. 针对医疗数据标
注成本高的痛点，实现nnUNetv2半监督训练，提升小样本场景下的分割精度（Dice系数达0.89+，HD95误差
控制在2mm内）；3. 将RAG知识库与肺结节临床指南、放射科报告范本结合，提升问答的专业性；4. 包含数
据处理、模型训练、推理可视化、智能问答等功能，可直接用于面试技术展示