本系统是面向专业化验场景的临床辅助诊断平台。采用“本地边缘计算 + 云端大模型”协同架构：前端基于 Electron、React 与 TypeScript 构建高性能交互界面；后端通过 FastAPI 部署 YOLO (ONNX) 模型实现毫秒级细胞检测与计数；针对复杂病理，集成云端多模态大模型生成辅助分析报告。系统旨在为医疗工作者提供专业、高效、智能的数字化化验工具。
Avalonia 控件库，欢迎使用
AtomUI 基于 Avalonia 强大的跨平台能力，实现了 Ant Design 在 .NET 体系下的设计系统，致力于将其精致的设计语言和高效的用户体验带入跨平台桌面应用开发领域。
Implementation of Ray Casting and Marching Cubes based on GPU
半自动标注系统是基于BS架构，由鹏城实验室叶齐翔教授团队自主研发，集成视频抽帧，目标检测、视频跟踪、ReID分类、人脸检测等算法，实现了对图像，视频的自动标注，并可以对自动算法的结果进行人工标注，最终得到标注结果，同时也可以对视频、图片、医疗（包括dicom文件及病理图像）相关的数据进行人工标注，标注结果支持COCO及VOC格式。支持多人协同标注。 半自动标注系统主要功能有：用户管理，数据集管理，自动标注，人工标注，ReID标注，车流统计，视频标注，医疗CT标注，超大图像标注，模型管理与重训，报表管理。数据标注过程一个非常重要的因素是数据安全，在标注使用中防止数据泄露，采用基于web标注工具是有效避免数据泄露的措施之一。 半自动标注系统以保证性能的情况下最小化人工标注代价为目标，不断提升自动标注效率，减少人工标注和人工参与过程。
