功能速览
本节将带你快速了解 RadStudio 的核心功能和典型使用流程。
典型工作流程
DICOM 导入 → 数据预处理 → 特征提取/模型选择 → 训练配置 → 模型训练 → 结果分析 → 论文图表导出
1. 创建项目
登录后，在仪表盘中点击"新建项目"，填写项目名称和描述。每个项目是一个独立的实验空间。
2. 上传数据
支持多种数据格式：
- DICOM / DICOMDIR — 医学影像标准格式
- NIfTI (.nii.gz) — 神经影像常用格式
- CSV / Excel — 临床数据（患者信息、标签等）
- 压缩包 (.zip / .rar / .7z) — 自动解压
详见 数据上传与管理。
3. 搭建工作流
使用拖拽式编辑器搭建实验管线：
- 从左侧面板拖拽节点到画布
- 连接节点构建数据流
- 配置每个节点的参数
- 点击"运行"执行管线
支持的节点类型：
| 节点类型 | 说明 |
|---|---|
| 数据源 | DICOM 导入、NIfTI 导入、CSV 导入 |
| 预处理 | 标准化、裁剪、重采样、数据增强 |
| 特征提取 | PyRadiomics 影像组学特征 |
| 模型 | MONAI SegResNet、nnU-Net、自定义模型 |
| 评估 | Dice 系数、ROC 曲线、混淆矩阵 |
| 输出 | 图表导出、报告生成 |
详见 工作流编辑器。
4. 训练模型
配置训练参数后启动训练：
- 选择 GPU / CPU Worker
- 设置 epoch 数、学习率、batch size
- 实时查看训练进度和损失曲线
- 支持断点续训
详见 模型训练。
5. 分析结果
训练完成后查看评估指标：
- 分割结果 3D 可视化
- Dice 系数、IoU 等指标
- ROC 曲线和混淆矩阵
- 特征重要性排名
详见 结果分析与可视化。
6. 导出论文图表
一键生成符合顶级期刊规范的学术图表：
- ROC 曲线、生存分析图
- 混淆矩阵热力图
- 特征重要性条形图
- 训练损失 / 精度曲线
详见 论文图像导出。
7. AI 助手（可选）
使用 LLM 助手辅助科研：
- 结果解读 — 自动分析实验结果，生成解读报告
- 方法段落 — 根据实验配置生成论文方法章节
- 讨论段落 — 基于结果生成论文讨论章节
详见 AI 助手使用。