Shen14250/Test

膝关节超声健康助手 Pro

面向 Hugging Face Spaces 的 Gradio 版本。项目保留轻量单入口部署方式，并移植 knee-U-ag-pro 的多维度健康评估能力，用于膝关节超声影像中的髌腱/髌软骨自动识别、厚度测量和健康风险参考。

功能

• 自动分类：识别髌腱与髌软骨。
• 自动测量：基于关键点回归和 Y 轴尺度校准计算组织厚度。
• 基础风险评估：按临床参考范围判断正常、轻度异常或明显异常。
• Pro 多维分析：综合年龄、性别、BMI/体型、活动水平、影像质量、测量偏差和基础阈值评估生成综合风险评分。
• 报告生成：在页面内展示完整 Markdown 报告，并支持下载 PDF 与 Markdown 文件。

使用方式

1. 上传膝关节超声图像，支持 PNG/JPG/BMP。
2. 可选填写患者信息：姓名、年龄、性别、身高、体重、活动水平。
3. 点击“开始分析”。
4. 查看标注影像、分析概览、综合风险、多维明细和完整报告。
5. 下载 PDF 或 Markdown 报告。

API 调用

部署到 Hugging Face Spaces 后，可通过 Gradio Client 集成到其他软件。

可用端点：

• /predict：完整评估，返回结构化 JSON、标注影像、PDF 报告、Markdown 报告。
• /metadata：返回输入字段、枚举选项、输出结构和医学边界说明。
• /health：返回模型加载、设备和服务状态。

Python 示例：

from gradio_client import Client, handle_file

client = Client("vg188/knee-Ultrasound-agent")

api_response, annotated_image, pdf_report, markdown_report = client.predict(
    handle_file("knee_ultrasound.png"),
    "张三",
    "46",
    "男",
    "170",
    "80",
    "中",
    ["久坐", "睡眠不足"],
    ["深蹲爬山较多", "突然增量"],
    ["高跟/硬底", "旧鞋支撑差"],
    api_name="/predict",
)

print(api_response["summary"])
print(annotated_image, pdf_report, markdown_report)

输入字段顺序：

字段	类型	说明
image	image	必填，膝关节超声图像
patient_name	string	可选
patient_age	number/string	可选
patient_sex	enum	""、男、女
patient_height	number/string	cm
patient_weight	number/string	kg
patient_activity_level	enum	""、低、中、高
patient_lifestyle_habit	list[string]	可多选：规律、久坐、睡眠不足、吸烟饮酒
patient_exercise_habit	list[string]	可多选：低冲击规律、跑跳较多、深蹲爬山较多、突然增量、康复训练
patient_clothing_habit	list[string]	可多选：缓震平底、高跟/硬底、旧鞋支撑差、膝部保暖不足、护膝/保暖合理

返回 JSON 中的核心字段：

• measurement：模型分类、置信度、测量厚度和测量线坐标。
• summary：基础风险、综合风险、解释摘要和建议。
• multi_dimensional：多维度评分、权重、贡献、解释层和行动建议。
• files：标注图、PDF 报告和 Markdown 报告路径。

模型

• 架构：MultiTask U-Net，ResNet-34 encoder。
• 任务：关键点热力图回归 + 部位分类。
• 输出：组织类别、分类置信度、测量线坐标、厚度、风险评估。

说明

本系统用于 AI 辅助健康参考，不构成医疗诊断或治疗建议。如有疼痛、肿胀、活动受限或检查结果异常，请咨询专业医生。