NeuroScan AI：开源AI脑肿瘤检测平台的技术架构与实践

NeuroScan AI是基于React、Supabase和Google Gemini Vision的开源医疗AI平台，实现MRI影像脑肿瘤自动检测、分类分级、3D可视化及PDF报告生成，展示现代Web技术与多模态AI在医疗诊断领域的应用实践。原作者为dineshit27，项目开源于GitHub（链接：https://github.com/dineshit27/NeuroScan-AI），发布时间2026年6月9日。

脑肿瘤是全球范围内严重威胁人类健康的疾病之一，早期发现和准确诊断对于治疗效果至关重要。传统的MRI影像诊断高度依赖放射科医生的经验和专业判断，而在医疗资源匮乏的地区，专业人才的短缺往往导致诊断延迟或误诊。

NeuroScan AI项目应运而生，它是一个开源的AI驱动医疗Web平台，旨在通过多模态人工智能技术辅助医生进行脑肿瘤的早期检测和分析。该项目不仅展示了现代前端工程、无服务器后端架构与先进AI模型的结合，更为医疗AI应用的开发提供了一个完整的参考实现。

智能肿瘤检测与分类

基于Google Gemini Vision AI，实现：

• 肿瘤存在性检测
• 类型识别（胶质瘤、脑膜瘤、垂体瘤等）
• 严重程度评估

3D可视化与影像增强

采用Three.js和React Three Fiber实现MRI影像3D渲染与肿瘤区域叠加，WebGL支持浏览器端流畅运行。

个性化饮食建议与报告系统

• AI生成个性化饮食建议
• 自动生成PDF报告（含图表、摘要），支持邮件分享与历史记录管理

现代化用户体验

React18+TypeScript+Vite+Tailwind CSS+shadcn/ui，支持明暗主题切换与响应式布局。

前端架构

React18+TypeScript+Vite，组件用Radix UI+Tailwind CSS，状态管理TanStack Query，表单React Hook Form+Zod，路由React Router，图表Recharts。

后端与数据层

Supabase（PostgreSQL替代方案）：

• 认证：Supabase Auth
• 数据库：PostgreSQL存储用户数据、扫描历史
• 边缘函数：Deno运行时处理AI任务
• 存储：Supabase Storage管理MRI文件

AI推理架构

通过两个Supabase Edge Functions：

1. analyze-brain-mri：调用Google Gemini Vision API检测分类
2. segment-brain-tumor：肿瘤区域分割（支持3D可视化）

报告生成

html2canvas（React组件转Canvas）+jsPDF（Canvas转PDF），支持下载与邮件分享。

数据隐私与安全

• Supabase行级安全策略（RLS）控制访问
• 影像与结果仅授权用户可见
• 邮件分享用安全链接

AI模型准确性与可解释性

多模态模型提供诊断结果+可视化AI关注区域，帮助医生理解决策依据。

用户体验与专业性平衡

清晰流程、友好设计、详细说明，降低非专业用户门槛，保留专业功能。

• Supabase vs 自建后端：开箱即用的认证、DB、存储，减少开发量，适合开源项目快速验证。
• Google Gemini Vision：多模态大模型，图像理解泛化能力强，零样本学习适合多样化MRI数据。
• React Three Fiber vs 传统3D库：结合React声明式编程，降低学习曲线，代码组织更直观。

当前局限性

1. 原型阶段，生产部署需更多考虑
2. 训练数据规模与多样性有限
3. 未明确监管合规状态

改进方向

1. 基于更多标注数据微调模型，提升特定肿瘤检测准确率
2. 探索联邦学习，保护隐私前提下利用多中心数据
3. 开发原生移动应用，支持手机上传影像
4. 增加多语言界面，扩大覆盖范围

对开发者的启示

• 技术栈选择务实优先：成熟React生态+Supabase，适合长期维护
• 开源协作价值：跨学科合作（开发者、医生、研究员）
• UX不容忽视：良好体验提升医生工作效率

结语

NeuroScan AI是AI在医疗诊断的典型范例，整合Web技术、云计算与多模态AI。虽为原型，但架构与设计提供参考。未来AI辅助诊断工具将在提升效率、降低成本、改善预后发挥更大作用，是医疗AI开发者值得研究的开源项目。