Python 常用医疗 AI 库及案例解析

📊 四、数据可视化

🕸️ 五、Web 开发 & API

🧠 六、自动化 & AI Agent

🛠 七、其他值得关注的工具库

练手案例

🧬 案例一、医学图像处理与分析

1. MONAI（Medical Open Network for AI）

专为医学影像（CT/MRI）打造的 PyTorch 库。

• 基本示例：加载并处理 MRI 图像

安装命令：

pip install monai nibabel 

下面是一个医学图像处理示例，结合了数据加载、预处理、3D UNet 模型构建和训练流程，使用 MONAI 库实现端到端的医学图像分割任务：

from monai.transforms import (
    LoadImaged, AddChanneld, Spacingd, Orientationd,
    ScaleIntensityRanged, RandCropByPosNegLabeld, Compose, EnsureTyped
)
from monai.networks.nets import UNet
from monai.losses import DiceLoss
from monai.metrics import DiceMetric
from monai.data import Dataset, DataLoader, decollate_batch
from monai.inferers import sliding_window_inference
import torch
import numpy as np
import matplotlib.pyplot as plt

# 1. 数据准备与预处理
data_dir = "./medical_images/"
train_files = [
    {"image": data_dir + "patient1_CT.nii.gz", "label": data_dir + "patient1_mask.nii.gz"},
    {"image": data_dir + "patient2_CT.nii.gz", "label": data_dir + "patient2_mask.nii.gz"}
]

# 医学图像预处理流程
train_transforms = Compose([
    LoadImaged(keys=["image", "label"]),
    AddChanneld(keys=["image", "label"]),
    Spacingd(keys=["image", "label"], pixdim=(1.0, 1.0, 2.0), mode=("bilinear", "nearest")),
    Orientationd(keys=["image", "label"], axcodes="RAS"),
    ScaleIntensityRanged(keys=["image"], a_min=-1000, a_max=1000, b_min=0.0, b_max=1.0, clip=True),
    RandCropByPosNegLabeld(keys=["image", "label"], label_key="label", spatial_size=(96, 96, 64), pos=1, neg=1, num_samples=4),
    EnsureTyped(keys=["image", "label"], dtype=torch.float32)
])

# 创建数据集和数据加载器
train_ds = Dataset(data=train_files, transform=train_transforms)
train_loader = DataLoader(train_ds, batch_size=2, shuffle=True)

# 2. 构建 3D 分割模型
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = UNet(
    spatial_dims=3, in_channels=1, out_channels=2,
    channels=(16, 32, 64, 128, 256), strides=(2, 2, 2, 2), num_res_units=2
).to(device)

# 3. 设置训练参数
loss_function = DiceLoss(to_onehot_y=True, softmax=True)
optimizer = torch.optim.Adam(model.parameters(), lr=1e-3)
dice_metric = DiceMetric(include_background=False, reduction="mean")

# 4. 训练循环
max_epochs = 50
for epoch in range(max_epochs):
    model.train()
    epoch_loss = 0
    for batch_data in train_loader:
        inputs, labels = batch_data["image"].to(device), batch_data["label"].to(device)
        optimizer.zero_grad()
        outputs = model(inputs)
        loss = loss_function(outputs, labels)
        loss.backward()
        optimizer.step()
        epoch_loss += loss.item()
    epoch_loss /= len(train_loader)

    # 验证步骤 (简化版)
    model.eval()
    with torch.no_grad():
        metric_sum = 0.0
        for val_data in train_loader:
            val_images, val_labels = val_data["image"].to(device), val_data["label"].to(device)
            val_outputs = sliding_window_inference(val_images, (96, 96, 64), 4, model)
            val_outputs = [torch.argmax(i, dim=1) for i in decollate_batch(val_outputs)]
            dice_metric(y_pred=val_outputs, y=val_labels)
        metric = dice_metric.aggregate().item()
        dice_metric.reset()
    print(f"Epoch {epoch+1}/{max_epochs}, Loss: {epoch_loss:.4f}, Dice: {metric:.4f}")

# 5. 可视化结果 (示例)
def visualize_slice(image, label, prediction, slice_index=25):
    fig, axes = plt.subplots(1, 3, figsize=(15, 5))
    axes[0].imshow(image[0, 0, :, :, slice_index], cmap="gray")
    axes[0].set_title("Input Image")
    axes[0].axis("off")
    axes[1].imshow(label[0, 0, :, :, slice_index], cmap="jet")
    axes[1].set_title("Ground Truth")
    axes[1].axis("off")
    axes[2].imshow(prediction[0, 0, :, :, slice_index], cmap="jet")
    axes[2].set_title("Prediction")
    axes[2].axis("off")
    plt.show()

test_data = train_ds[0]
image = test_data["image"].unsqueeze(0).to(device)
with torch.no_grad():
    prediction = sliding_window_inference(image, (96, 96, 64), 4, model)
    prediction = torch.argmax(prediction, dim=1, keepdim=True)
    visualize_slice(image.cpu().numpy(), test_data["label"].unsqueeze(0).numpy(), prediction.cpu().numpy())

关键组件说明：

1. 数据预处理流程：
   • Spacingd：标准化不同扫描仪的分辨率差异
   • Orientationd：统一图像方向（RAS 坐标系）
   • ScaleIntensityRanged：CT 值标准化（-1000 到 1000 HU）
   • RandCropByPosNegLabeld：基于标签的智能裁剪
2. 3D UNet 架构：
   • 专门处理体积数据（如 CT/MRI）
   • 残差单元提升梯度流动
   • 多尺度特征提取能力
3. 医学图像特定技术：
   • Dice 损失函数：处理类别不平衡
   • Sliding Window 推理：处理大尺寸体积数据
   • 体素间距保留：保持物理尺寸一致性
4. 可视化：
   • 三视图对比（原始图像/真实标签/预测结果）
   • 多平面重建（轴向/冠状/矢状面）

实际应用场景：

1. 器官分割（肝脏/肾脏/肿瘤）
2. 病变检测
3. 手术规划
4. 放射治疗剂量计算

进阶优化建议：

# 添加数据增强
from monai.transforms import RandRotated, RandFlipd, RandZoomd
train_transforms.insert(6, Compose([
    RandRotated(keys=["image", "label"], range_x=0.3, prob=0.5),
    RandFlipd(keys=["image", "label"], spatial_axis=0, prob=0.5),
    RandZoomd(keys=["image", "label"], min_zoom=0.9, max_zoom=1.1, prob=0.5)
]))

# 使用更先进的模型
from monai.networks.nets import SwinUNETR
model = SwinUNETR(img_size=(96, 96, 64), in_channels=1, out_channels=2, feature_size=48).to(device)

# 添加学习率调度
lr_scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=max_epochs)

# 混合精度训练
scaler = torch.cuda.amp.GradScaler()

此示例展示了 MONAI 在医学图像分析中的核心优势：领域特定的预处理、优化的 3D 网络架构、医学影像评估指标和高效的大体积数据处理能力。实际应用中需根据具体临床任务调整网络结构和处理参数。

2. Pandas + Polars + PyGWalker

快速探索表格型 EHR 数据（如病人记录、药品记录等）。

• 示例：用 PyGWalker 交互式探索电子病历

安装命令：

pip install pandas polars pygwalker 

一个结合 Pandas、Polars 和 PyGWalker 快速探索电子健康记录（EHR）数据的完整示例，包含数据加载、预处理和交互式可视化：

import pandas as pd
import polars as pl
import pygwalker as pyg
from datetime import datetime

# 示例 EHR 数据结构 (若需加载真实数据，替换为 read_csv/read_parquet)
data = {
    "patient_id": [1001, 1002, 1003, 1001, 1004],
    "visit_date": ["2023-01-15", "2023-02-20", "2023-01-05", "2023-03-10", "2023-02-28"],
    "diagnosis": ["Hypertension", "Diabetes", "Hypertension", "Asthma", "Diabetes"],
    "medication": ["Lisinopril", "Metformin", "Amlodipine", "Albuterol", "Insulin"],
    "age": [45, 62, 58, 36, 70],
    "blood_pressure": ["140/90", "130/85", "150/95", "120/80", "145/88"],
    "lab_result": [None, 6.5, 7.1, None, 8.0]
}

# 方案 1: 使用 Pandas 加载数据
df_pd = pd.DataFrame(data)
df_pd["visit_date"] = pd.to_datetime(df_pd["visit_date"])

# 方案 2: 使用 Polars 加载大数据（更高效）
df_pl = pl.DataFrame(data).with_columns(pl.col("visit_date").str.to_date("%Y-%m-%d"))

# 转换为 Pandas 供 PyGWalker 使用（Polars 处理+PyGWalker 可视化）
df_processed = df_pl.to_pandas()

# 使用 PyGWalker 进行交互式分析
walker = pyg.walk(
    df_processed,
    spec="./ehr_analysis.json",
    dark="light",
    show_cloud_tool=False,
    field_specs={
        "age": {"analyticType": "dimension"},
        "lab_result": {"analyticType": "measure"}
    }
)

关键功能说明：

• 小数据：直接使用 pd.read_csv("ehr.csv")
• 大数据：用 Polars 加速处理 → 转 Pandas

2. PyGWalker 交互技巧：
   • 拖拽分析：将字段拖到 X/Y 轴、颜色、大小等通道
   • 图表推荐：智能识别字段类型推荐图表
   • 一键生成：患者年龄分布直方图、疾病类型环形图、实验室指标趋势线、多指标散点矩阵

高级分析支持：

# 在 PyGWalker 界面中直接使用 Pandas 语法
walker.set_global_query("""
systolic = blood_pressure.split('/')[0].astype(int)
diastolic = blood_pressure.split('/')[1].astype(int)
hypertension_flag = (systolic >= 140) | (diastolic >= 90)
""")

数据加载优化

df_pl = pl.scan_parquet("large_ehr.parquet").collect()  # 惰性加载

典型工作流：

1. 数据加载：Polars 处理百万级记录（比 Pandas 快 5-10 倍）
2. 预处理：在 Polars 中完成清洗/转换
3. 交互探索：
   • 步骤 1：拖拽 diagnosis 到行 → 自动生成疾病分布
   • 步骤 2：拖拽 age 到 Y 轴 → 自动切换箱线图
   • 步骤 3：添加 medication 到颜色通道 → 多维度对比

优势场景：

💡 提示：对于超大数据集（>1GB），推荐：

🧪 三、药物发现与分子模拟

3. RDKit

用于化合物表示、分子指纹计算、QSAR 模型等。

• 示例：分子指纹和相似度

安装命令：（推荐用 conda 安装）

conda install -c rdkit rdkit 

使用 RDKit 计算分子指纹和相似度的完整示例代码，并附带详细解释：

from rdkit import Chem
from rdkit.Chem import AllChem, DataStructs
from rdkit.Chem.Draw import MolsToGridImage
import matplotlib.pyplot as plt

# 1. 分子创建与可视化
ethanol = Chem.MolFromSmiles("CCO")  # 乙醇
ethylamine = Chem.MolFromSmiles("CCN")  # 乙胺

# 可视化分子
img = MolsToGridImage([ethanol, ethylamine], legends=["Ethanol (CCO)", "Ethylamine (CCN)"], subImgSize=(300, 300))
plt.imshow(img)
plt.axis('off')
plt.show()

# 2. 分子指纹生成
# 使用 Morgan 指纹算法（圆形指纹），半径=2，生成 2048 位的位向量
fp_ethanol = AllChem.GetMorganFingerprintAsBitVect(ethanol, radius=2, nBits=2048)
fp_ethylamine = AllChem.GetMorganFingerprintAsBitVect(ethylamine, radius=2, nBits=2048)

# 3. 相似度计算
# 计算 Tanimoto 系数（Jaccard 相似度）
similarity = DataStructs.TanimotoSimilarity(fp_ethanol, fp_ethylamine)

# 4. 结果输出
print("="*50)
print(f"Tanimoto Similarity: {similarity:.4f}")
print("="*50)
print("Interpretation:")
print(f"- Ethanol (CCO) and Ethylamine (CCN) are {similarity*100:.1f}% similar")
print("- Similarity range: 0.0 (完全不同) to 1.0 (完全相同)")
print("- Value >0.5 suggests significant structural similarity")
print("- Difference due to terminal group: -OH vs -NH₂")

代码解析：

1. 分子创建：
   • MolFromSmiles() 将 SMILES 字符串转换为分子对象
   • 乙醇：CCO（羟基化合物）
   • 乙胺：CCN（胺类化合物）
2. 分子指纹：
   • 使用 Morgan 指纹算法（圆形指纹）
   • radius=2：考虑原子周围两键范围内的结构特征
   • nBits=2048：生成 2048 位的二进制指纹向量
   • 算法原理：通过迭代扩展识别每个原子周围的独特子结构
3. 相似度计算：
   • Tanimoto 系数 = 共有特征数 / (特征 A 总数 + 特征 B 总数 - 共有特征数)
   • 数学表示：T(A,B) = |A∩B| / (|A| + |B| - |A∩B|)
   • 取值范围：0.0（完全不同）到 1.0（完全相同）
4. 结果解释：
   • 典型输出：Tanimoto Similarity: 0.25-0.35
   • 相似度约 30%：两个分子有相同的乙基骨架（-CH₂-CH₃），但不同末端基团（-OH vs -NH₂）
   • 在药物发现中：
     • 0.3-0.7：中等相似
     • <0.2：结构差异大
   • 0.85：高度相似化合物

应用场景：

1. 虚拟筛选：快速筛选大型化合物数据库
2. 先导化合物优化：评估结构修饰后的相似性变化
3. 聚类分析：对化合物库进行结构分组
4. ADMET 预测：基于相似性的性质预测

扩展建议：

# 尝试不同分子对
aspirin = Chem.MolFromSmiles("CC(=O)OC1=CC=CC=C1C(=O)O")
ibuprofen = Chem.MolFromSmiles("CC(C)CC1=CC=C(C=C1)C(C)C(=O)O")

# 比较不同指纹算法
fp1 = AllChem.GetMACCSKeysFingerprint(mol)  # MACCS 密钥
fp2 = Chem.RDKFingerprint(mol)  # RDKit 拓扑指纹

注意事项：相似度值高度依赖指纹参数（半径、位长度）。结构相似 ≠ 活性相似（需结合生物实验验证）。对小分子效果最佳（分子量 < 800 Da）。

运行此代码需要预先安装 RDKit（建议通过 Anaconda 安装）：

conda install -c conda-forge rdkit matplotlib