TB-Vision Pro：基于多模态深度学习的肺结核智能诊断系统

TB-Vision Pro是一款融合Vision Transformer、ResNet-50与MobileNetV2的共识架构开源医疗诊断平台，结合MedSAM分割技术与临床数据分析，实现肺结核早期筛查、病灶可视化及康复追踪，为传统诊断流程的耗时、主观误诊问题提供创新性解决方案。

肺结核作为全球性重大公共卫生挑战，每年导致数百万人感染，早期发现和准确诊断是控制疫情的关键。传统诊断依赖医生经验判断与繁琐影像分析，耗时且易因主观因素产生误诊。

TB-Vision Pro采用三模型并行分析的共识架构：

• Vision Transformer(ViT)：捕捉肺部影像全局结构与长距离依赖，擅长识别弥漫性病灶；
• ResNet-50：通过残差网络提取多尺度纹理特征，精准识别结节、空洞等典型病理表现；
• MobileNetV2：以深度可分离卷积实现快速推理，适配资源受限环境。 最终结果通过加权融合算法整合，降低单一模型偏差，提升鲁棒性。

系统集成MedSAM分割技术，自动标注受影响肺部区域并生成颜色编码的严重程度地图，实现诊断结果可视化解释，增强医生信任度。同时支持Ctrl+V粘贴上传影像，简化操作流程提升工作效率。

平台内置纵向分析功能，可自动识别复诊患者并生成康复进度图表，展示TB风险概率变化趋势，助力治疗效果评估与方案调整。该设计实现从诊断工具到综合管理平台的跃迁。

技术栈：前端基于React18+Vite+TailwindCSS构建，后端采用FastAPI异步框架，AI层整合TensorFlow/Keras生态； 数据洞察：实时仪表板提供筛查速度监控、患者人口统计分析及近期活动流，为医疗机构管理层与公共卫生决策提供数据支持。

TB-Vision Pro代表AI医疗诊断从单一功能向综合平台的演进方向，提供端到端防控支持。项目声明仅用于研究与临床演示，实际诊断需专业医疗人员参与。未来将通过MedSAM技术成熟、多中心验证及数据积累，助力资源匮乏地区结核病防控，推动全球消除目标实现。