RadStudio 是面向医学研究人员的零代码深度学习平台。通过拖拽式 DSL 编辑器搭建影像组学与深度学习实验管线，无需编写代码即可完成"数据导入 → 预处理 → 特征提取 → 建模 → 评估 → 论文图表导出"完整流程。
⚠️ 本文档为 RadStudio 内部技术文档，仅供授权团队成员使用。未经授权不得外传。
目标读者
- 授权用户（影像科医生 / 研究生） — 平台使用说明与操作指南
- 内部开发团队 — 系统架构、二次开发、扩展指南
核心功能
| 功能 | 说明 |
|---|
| 拖拽式编辑器 | 基于 React Flow 的可视化管线编辑器 |
| 影像组学 | PyRadiomics 特征提取与分析 |
| 深度学习 | MONAI + nnU-Net v2 医学影像分割 |
| 论文图表 | 一键生成符合期刊规范的学术图表 |
| AI 助手 | 基于 LLM 的实验结果解读与论文段落生成 |
| 多模态学习 | 融合临床数据、影像数据和文本数据 |
技术栈
| 层 | 技术 |
|---|
| 前端 | React 18 + TypeScript + Vite + React Flow + ECharts |
| 后端 | FastAPI (Python 3.11+) + Celery + Redis |
| AI 引擎 | PyTorch 2.x + MONAI + nnU-Net v2 + PyRadiomics |
| 存储 | PostgreSQL + MinIO |
| 容器化 | Docker + Docker Compose |
| LLM | DeepSeek API / Qwen |
文档导航
环境搭建
本地开发环境搭建请参考 本地开发环境搭建。生产环境部署请参考项目根 目录下的 部署架构指南。