UNet-App 是一个基于深度学习的乳腺癌医学图像分割工具。该项目使用 UNet 模型对医学图像进行分割，并提供了一个用户友好的前端界面，方便用户上传图像并查看分割结果。

• 图像分割：支持上传医学图像并生成预测掩码和叠加图像。
• 黑白主题切换：支持浅色模式和深色模式，提升用户体验。
• 响应式设计：适配不同屏幕尺寸，确保在桌面端和移动端都能正常使用。
• 科研成果展示：展示乳腺癌相关的研究成果，包括损失函数曲线、交并比 (IoU) 和示例图像。
• 前后端分离架构：
  • 前端：基于 React 和 Chakra UI 构建。
  • 后端：基于 Flask 和 PyTorch 实现图像分割模型推理。

• React：用于构建用户界面。
• Chakra UI：提供现代化的 UI 组件和主题支持。
• Axios：处理 HTTP 请求。
• React Router：实现页面路由。

• Flask：轻量级 Python Web 框架。
• PyTorch：深度学习框架，用于加载和运行 UNet 模型。
• OpenCV：处理图像数据。
• Albumentations：用于图像预处理和增强。

1. Python 环境：

   • 安装 Python 3.8 或更高版本。
   • 安装依赖项：

     pip install -r requirements.txt

2. Node.js 环境：

   • 安装 Node.js 和 npm。
   • 安装前端依赖项：

     npm install

3. 模型文件：

   • 将训练好的 UNet 模型文件（如 model.pth）放置在 models/data_NestedUNet_woDS/ 目录下。
   • 确保配置文件（如 config.yml）也位于同一目录。

1. 进入后端目录：

   cd unet-backend

2. 启动 Flask 应用：

   python main.py

3. 默认情况下，后端服务会运行在 http://localhost:5000。

1. 进入前端目录：

   cd unet-front

2. 启动开发服务器：

   npm i
   npx vite

3. 默认情况下，前端应用会运行在 http://localhost:5173。

1. 访问首页：

   • 打开浏览器并访问 http://localhost:5173。
   • 首页展示了乳腺癌相关的科研成果，包括损失函数曲线、交并比 (IoU) 和示例图像。

2. 图像分割：

   • 导航到“图像分割”页面。
   • 点击或拖拽上传一张医学图像。
   • 系统会自动调用后端模型进行分割，并显示原图、预测掩码和叠加图像。

3. 主题切换：

   • 在侧边栏中点击“切换主题”按钮，可以在浅色模式和深色模式之间切换。

unet-app/
├── unet-backend/               # 后端代码
│   ├── main.py             # Flask 主程序
│   ├── models/            # 存放模型文件和配置
│   └── requirements.txt   # Python 依赖项
├── unet-frontend/              # 前端代码
│   ├── public/            # 静态资源
│   ├── src/               # React 源码
│   │   ├── components/    # 可复用组件
│   │   ├── pages/         # 页面组件
│   │   └── App.tsx        # 主入口文件
│   ├── package.json       # Node.js 依赖项
│   └── vite.config.ts     # Vite 配置文件
├── README.md              # 项目说明文档
└── LICENSE                # 开源许可证

欢迎为本项目贡献代码！请遵循以下步骤：

1. Fork 仓库：

   • 点击右上角的 "Fork" 按钮，将项目复制到你的 GitHub 账户。

2. 克隆仓库：

   git clone https://github.com/lijin6/unet-app
   cd unet-app

3. 创建分支：

   git checkout -b github.com/lijin6/unet-app

4. 提交更改：

   • 完成修改后，提交代码：

     git add .
     git commit -m "Add your commit message"
     git push origin feature/your-feature-name

5. 创建 Pull Request：

   • 在 GitHub 上打开你的分支，点击 "Compare & pull request" 按钮，描述你的更改。

本项目采用 MIT License，允许自由使用、修改和分发。

• Chakra UI：提供了现代化的 UI 组件库。
• Flask：简化了后端开发流程。
• PyTorch：强大的深度学习框架，支持 UNet 模型推理。

如有任何问题或建议，请通过以下方式联系我：

• GitHub Issues：在项目仓库中提交问题。
• 邮箱：[lijinliu.ac@gmail.com]