技术架构与工作流程
数据采集
上传患者髋关节X光/超声影像，并输入临床观察到的病史描述与查体结果。
本地影像识别
服务器本地ResNet34模型实时提取影像视觉特征，计算量化异常评分，保护数据隐私。
云端多模态融合
整合影像分数与文本语义，由DeepSeek-V3生成具备专业临床逻辑的诊断建议与风险评估。
DDH智能辅助诊断系统
上传影像与病史信息，体验端云协同的智能诊断闭环。
点击或拖拽上传影像文件
关于项目
本项目旨在解决儿童发育性髋关节发育不良（DDH）早期诊断中存在的模态单一、主观性强等问题。通过端云协同架构，我们将经典的CNN影像特征提取与先进的LLM语义推理相结合，为临床提供更严谨、可解释的辅助决策支持。
技术栈
ResNet34
本地视觉提取
DeepSeek-V3
语义融合推理
Real-time
毫秒级响应