my_git_project/CardioAI

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

conda create -n cardioenv python=3.10
conda activate cardioenv

2. 安装依赖

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：

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:

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:

cd F:\My_Git_Project\CardioAI
python module2_predictor/train_and_save.py

启动预测服务:

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