英瑞云平台作为医学影像科研服务平台，可以实现全流程AI赋能医学研究，一站式提供医学影像大数据的存储、共享、脱敏、格式转换、影像显示、影像数据标准化、人工智能模型训练、智能影像标注、实验图表、论文润色等工具，让科研更简单。

本指南分为基础和进阶两部分，帮助用户快速上手并深入掌握平台的各项功能。

基础部分

基础部分主要介绍平台的基本使用方法：

登录：登录，介绍不同的登录方式。

工作台：概述工作台的主要功能，介绍实验流的基本流程。

个人中心：解释个人中心的各项功能，如个人数据管理、实验记录等。

数据存储：介绍平台的数据存储方式，帮助用户理解数据的管理与调用。

影像显示：提供医学影像的基础展示功能，帮助用户查看和分析影像数据。

进阶部分

进阶部分针对专业用户，涵盖更复杂的影像处理和模型训练：

DICOM数据标准化：DICOM包括三个部分，【DICOM标准化（模式一）】、【DICOM标准化（模式二）】、【生成DICOM数据子集】，过程为根据每个被试的DICOM头文件重新进行数据归类（模式一）或根据DICOM头文件的PatientID信息重新进行被试划分，之后再依据采集时间、模态、序列信息等自动将数据归类（模式二），并转换为标准化的NIFTI格式文件。【生成DICOM数据子集】适用于DICOM标准化任务后的结果数据集需要进一步筛选的情况。

NIFTI数据标准化：适用于一批被试(患者)文件夹中因NIFTI数据文件名称不规范或不统一导致计算机无法准确识别的情况。输入NIFTI数据集，批量标准化NIFTI数据文件的名称，结果可用于该平台的其他模块实验。

临床数据标准化：临床数据标准化是一种高效的数据处理方法，包含【临床数据标准化】和【指定任务列】两大模块。它通过对包含多种临床指标的表格数据执行统计分析，精准筛选出与目标任务高度相关的特征。其中，“指定任务列”模块适用于仅包含性别、年龄等基本信息以及目标任务列的表格数据。用户可以通过手动操作，明确指定表格中哪一列为任务列，从而为后续分析提供清晰的目标导向，确保分析过程的准确性和高效性。

影像与临床关联：适用于影像数据和临床数据表格数量不一致，难以直接匹配的情况。该功能依托于平台数据标准化的结果文件，根据指定的唯一标识列进行影像数据与临床数据的匹配。

数据脱敏：主要包括【线上脱敏】与【离线脱敏】，支持批量处理、解析DICOM文件敏感信息，通过不可逆方式进行脱敏处理，并维持原始文件结构，生成脱敏后的影像文件。

格式转换：提供DICOM转NIFTI、NIFTI转DICOM、DICOM转PNG、PNG转DICOM、NIFTI转PNG五种转换方式，支持批量转换医学数据格式。

影像标注与勾画：支持影像勾画、三维重建等高级功能，满足深度影像分析需求。

常规影像组学：主要通过数据特征处理算法从医学影像中高通量地提取特征。平台集成了特征提取、特征筛选、训练设置、模型评估与结果可视化等流程，辅助挖掘影像中有意义的隐藏目标数据。

瘤周影像组学：在标准的影像组学流程中加入了对瘤周的设置，更细致地分析与预测肿瘤情况。

Delta影像组学：在标准的影像组学流程中加入了对横向（同一时间点的影像的多个区域进行分类/回归任务）、纵向（同一患者在不同时间点的影像数据）的数据分析设置，更细致地分析与预测横向与纵向的病情发展情况。

图像分割：基于深度学习的图像分割，可自动根据图像中的像素信息将图像区域划分出不同的区域，识别图像中ROI内部体素以及外部轮廓。

跨设备跨模态：图像合成模块目前已开发【跨设备跨模态】模块，跨模态合成通过结合来自不同模态的数据源，生成新的综合信息或内容。在医学图像分析领域，跨模态合成通过生成多种不同类型的医学影像（如CT、MRI、PET等）再结合其他非影像数据（如临床数据、基因组数据等），从而实现更全面、准确的诊断和预测。

图像分类：医学图像分类通过构建深度学习模型，从海量医学影像中高效地学习复杂的模式和影像特征，进而实现疾病的高效分类与预测。平台集成了图像预处理、数据增强、模型训练、评估指标计算等功能。

实验图表：实验图表模块包含多种常用的科研绘图工具，包括常规图与大脑图，支持实验数据可视化、图表视觉效果动态调整，辅助实验结果的分析。

数据集市场：提供数据集交易与共享平台，方便用户获取和使用影像数据。

模型市场：支持训练好的模型上传与购买，可以直接通过使用模型实现任务需求，促进医学影像AI应用的落地与发展。