# CardioAI - 心血管疾病智能辅助系统

多模块应用，集成了数据可视化、机器学习预测和AI问答功能。

## 项目结构

```
CardioAI/
├── data/                          # 数据文件目录
│   └── 心血管疾病.xlsx             # 心血管疾病数据集
├── module1_dashboard/             # 模块1: Streamlit 交互式仪表盘
│   └── cardio_dashboard.py
├── module2_predictor/            # 模块2: XGBoost 风险预测模型
│   ├── train_and_save.py          # 模型训练脚本
│   ├── cardio_predictor_model.pkl # 训练好的模型
│   ├── app.py                     # Flask API 服务
│   └── templates/
│       └── index.html             # 预测前端页面
├── requirements.txt               # 项目依赖
├── .env.example                   # 环境变量模板
└── .gitignore                     # Git 忽略文件
```

## 环境配置

### 1. 创建 conda 环境

```bash
conda create -n cardioenv python=3.10
conda activate cardioenv
```

### 2. 安装依赖

```bash
cd F:\My_Git_Project\CardioAI
pip install -r requirements.txt
```

### 3. 配置环境变量

复制 `.env.example` 为 `.env`，并填入您的 API Key：

```bash
copy .env.example .env
```

编辑 `.env` 文件，填入您的 DeepSeek API Key。

## 模块说明

### 模块1: 交互式仪表盘 (Streamlit)

心血管数据的交互式可视化界面。

**启动命令:**
```bash
cd F:\My_Git_Project\CardioAI
streamlit run module1_dashboard/cardio_dashboard.py
```

**功能特性:**
- 年龄范围筛选
- 性别和心血管疾病状态筛选
- 统计数据展示
- BMI分布可视化

### 模块2: 心血管风险预测模型 (Flask + XGBoost)

基于 XGBoost 的心血管疾病风险预测 API。

**训练模型:**
```bash
cd F:\My_Git_Project\CardioAI
python module2_predictor/train_and_save.py
```

**启动预测服务:**
```bash
cd F:\My_Git_Project\CardioAI\module2_predictor
set FLASK_APP=app.py
flask run --host=0.0.0.0 --port=5000
```

**API 接口:**
- `POST /predict_cardio` - 提交11个特征值，返回预测概率和结果

## 依赖说明

- pandas, openpyxl - 数据处理
- numpy, scikit-learn - 数值计算
- xgboost, joblib - 机器学习
- streamlit, plotly - 数据可视化
- Flask - Web 服务
- python-dotenv - 环境变量
- langchain-openai, dashscope, requests - AI 集成

## 注意事项

1. 数据文件路径可通过 `.env` 中的 `DATA_PATH` 配置
2. 确保 `.env` 文件不提交到版本库（已加入 .gitignore）
3. 使用前请确保已正确配置 DeepSeek API Key