12 导联模板对齐与几何校正，融合智能视觉模型与规则引擎，量化捕捉心律失常、ST-T 改变等特征，输出结构化判读报告。
融合智能视觉理解、信号处理、规则引擎三重能力，从图像采集到结构化报告全链路覆盖。
对接千问 VL 视觉大模型，直接从 ECG 图像中提取波形特征与诊断线索，支持拍照即时分析。
支持 XML、CSV、DICOM、二进制等多种格式的 12 导联数据解析，自动对齐模板与几何校正。
自动检测 P 波、QRS 波群、T 波边界，量化 PR 间期、QT 间期、QRS 宽度等关键指标。
基于临床指南的规则引擎，自动识别心律失常、传导阻滞、ST-T 改变等 27 类诊断标签。
实时评估 ECG 信号质量，自动识别基线漂移、肌电干扰、工频干扰等伪差，保障分析可信度。
风险分级与处置建议，构建完整诊断证据链，为临床教学与科研提供可追溯的判读依据。
四步完成 ECG 图像到结构化诊断报告的转化，支持批量处理与交互式校验。
拍照上传 / 文件导入 / Rokid 眼镜联动
图像增强 → 导联分割 → 波形提取 → 模板对齐
智能视觉 + 信号处理 + 规则引擎三路并行
结构化诊断 + 证据链 + RAGFlow 知识检索
规则引擎与智能模型协同工作，从心率、节律、传导、波形形态四个维度进行全面判读。
前端 React + 后端 FastAPI + 模型推理三层架构，模块化设计便于扩展。
基线校正、滤波降噪、R 峰检测、波形分割，为下游分析提供干净的信号数据。
ecg-signal-processingP/QRS/T 波起止点精确定位，支持多导联联合判断与异常波形标记。
ecg-wave-detection基于 AHA/ACC 临床指南的知识库，27 类诊断标签的规则匹配与置信度计算。
ecg-diagnosis每个诊断结论附带完整的测量数据、规则引用与置信度说明，确保可追溯。
ecg-evidence接入 RAGFlow 知识库，在判读过程中自动检索相关文献与指南，增强诊断可信度。
ragflow-ecg支持 XML (GE/Mortara)、CSV、DICOM、二进制、图片 PDF 等 6+ 种数据格式。
lib/parsers调用通义千问视觉大模型，直接从 ECG 图像提取波形特征与初步诊断建议。
qwen-vl风险分级、紧急程度评估与处置建议，为教学场景提供完整的临床思维训练。
clinical-decision