业务和功能介绍
业务亮点和立项原因：随着人口老龄化，我国眼科疾病患病人数攀升，医疗资源分布不均问题突出。高水平医院眼科医生工作负担重，漏判、误诊等问题频发，且专业医生培养周期长、数量有限。传统诊断模式依赖肉眼观察眼底图像，耗时耗力且易受主观因素影响。基于此，本项目借助深度学习技术，开发眼科疾病智能诊断系统，以实现对多种常见眼科疾病及正常眼底的准确识别，提升诊断效率和准确性，减轻医生负担，降低误诊漏诊率，缓解医疗资源紧张问题。
立项过程和沟通过程：项目团队与眼科专家、医生、医疗机构管理人员及患者深入交流，收集各方需求。了解医生诊断痛点、医疗机构对系统功能的期望以及患者对诊断流程的需求。同时调研市场现有系统优缺点及行业趋势，明确项目方向。与潜在合作的医疗机构沟通，介绍项目理念和技术优势，探讨合作可能性，根据其反馈优化项目方案，最终确立项目。
具体功能模块及使用者功能
图像处理功能：对眼底图像进行轮廓裁剪、CLAHE 处理和双目拼接，提取视盘区域，消除光照不均干扰，增强血管纹理细节，实现左右眼图像空间对齐，为诊断提供清晰统一的图像。
疾病检测功能：支持单张或批量图像上传，通过多标签分类能力判别 7 类眼科疾病与正常类别，允许单张图像存在多个病理标签，精准诊断复杂病例。
报告生成功能：快速生成详细诊断报告，支持打印和 PDF 格式导出，方便医生查看、存档及与患者沟通。
历史记录查询功能：便捷查询历史检测记录，包括时间、诊断结果和 AI 建议，便于病情复核与长期存档。
诊断建议功能：集成医疗大模型，依据诊断结果生成个性化治疗建议和健康管理方案，提升患者依从性和诊疗效率。
疾病科普功能：提供常见眼病的详实介绍，包括示意图和文字说明，点击 “了解更多” 可跳转至百度百科获取更多资料。
主要功能路径：用户上传眼底图像，系统对图像进行预处理（轮廓裁剪、CLAHE 处理、双目拼接），然后通过深度学习模型进行疾病检测，生成诊断结果，基于诊断结果生成诊断建议和报告，同时将检测记录存储以便用户查询。用户还可通过疾病科普功能了解相关眼病知识。
立项过程和沟通过程：项目团队与眼科专家、医生、医疗机构管理人员及患者深入交流，收集各方需求。了解医生诊断痛点、医疗机构对系统功能的期望以及患者对诊断流程的需求。同时调研市场现有系统优缺点及行业趋势，明确项目方向。与潜在合作的医疗机构沟通，介绍项目理念和技术优势，探讨合作可能性，根据其反馈优化项目方案，最终确立项目。
具体功能模块及使用者功能
图像处理功能：对眼底图像进行轮廓裁剪、CLAHE 处理和双目拼接，提取视盘区域，消除光照不均干扰，增强血管纹理细节，实现左右眼图像空间对齐，为诊断提供清晰统一的图像。
疾病检测功能：支持单张或批量图像上传，通过多标签分类能力判别 7 类眼科疾病与正常类别，允许单张图像存在多个病理标签，精准诊断复杂病例。
报告生成功能：快速生成详细诊断报告，支持打印和 PDF 格式导出，方便医生查看、存档及与患者沟通。
历史记录查询功能：便捷查询历史检测记录，包括时间、诊断结果和 AI 建议，便于病情复核与长期存档。
诊断建议功能：集成医疗大模型，依据诊断结果生成个性化治疗建议和健康管理方案，提升患者依从性和诊疗效率。
疾病科普功能：提供常见眼病的详实介绍，包括示意图和文字说明，点击 “了解更多” 可跳转至百度百科获取更多资料。
主要功能路径：用户上传眼底图像，系统对图像进行预处理（轮廓裁剪、CLAHE 处理、双目拼接），然后通过深度学习模型进行疾病检测，生成诊断结果，基于诊断结果生成诊断建议和报告，同时将检测记录存储以便用户查询。用户还可通过疾病科普功能了解相关眼病知识。
项目实现
参与人数：团队共 5 人，包括算法工程师、前端开发工程师、图像处理工程师、产品设计师和数据分析师。
开发周期：从 2025 年 1 月 1 日开始，到 2025 年 4 月 14 日结束，约 3 个半月。
我的任务：负责 AI 诊断模型的设计与调优，选用 EfficientNet-B4 和 Vision Transformer 模型，通过加权融合策略提升模型性能，处理类别不平衡问题，调整超参数，优化模型准确率、精确率和召回率，确保模型在测试集上达到预期性能指标。
技术栈、架构、亮点及难点
技术栈
后端：Flask 框架、PyTorch 深度学习框架、MySQL 数据库、Redis 缓存。
前端：HTML/CSS/JavaScript、Vue.js。
图像处理：OpenCV、NumPy。
模型训练监控：TensorBoard。
架构：采用前后端分离架构，后端负责数据处理、模型推理和业务逻辑，前端负责用户交互和数据展示，通过 RESTful API 接口实现前后端数据交互。
亮点
模型采用 EfficientNet-B4 和 Vision Transformer 加权融合策略，结合两者在细节提取和全局关联建模的优势，提升分类精度和鲁棒性。
针对类别不平衡问题，引入类别权重和 Focal Loss 损失函数，提高模型对少数类疾病的识别能力。
系统功能丰富，集成图像处理、疾病检测、报告生成等多种功能，满足医疗机构、医生和患者的多样化需求。
难点
眼底图像预处理：需要解决亮度不均、噪声去除、双目图像对齐等问题，确保输入数据质量。
模型训练：处理类别不平衡问题，优化超参数，提高模型泛化能力，确保在测试集上达到高精度。
系统集成：将前端、后端和模型训练部分集成，确保系统稳定运行，响应速度快。
开发周期：从 2025 年 1 月 1 日开始，到 2025 年 4 月 14 日结束，约 3 个半月。
我的任务：负责 AI 诊断模型的设计与调优，选用 EfficientNet-B4 和 Vision Transformer 模型，通过加权融合策略提升模型性能，处理类别不平衡问题，调整超参数，优化模型准确率、精确率和召回率，确保模型在测试集上达到预期性能指标。
技术栈、架构、亮点及难点
技术栈
后端：Flask 框架、PyTorch 深度学习框架、MySQL 数据库、Redis 缓存。
前端：HTML/CSS/JavaScript、Vue.js。
图像处理：OpenCV、NumPy。
模型训练监控：TensorBoard。
架构：采用前后端分离架构，后端负责数据处理、模型推理和业务逻辑，前端负责用户交互和数据展示，通过 RESTful API 接口实现前后端数据交互。
亮点
模型采用 EfficientNet-B4 和 Vision Transformer 加权融合策略，结合两者在细节提取和全局关联建模的优势，提升分类精度和鲁棒性。
针对类别不平衡问题，引入类别权重和 Focal Loss 损失函数，提高模型对少数类疾病的识别能力。
系统功能丰富，集成图像处理、疾病检测、报告生成等多种功能，满足医疗机构、医生和患者的多样化需求。
难点
眼底图像预处理：需要解决亮度不均、噪声去除、双目图像对齐等问题，确保输入数据质量。
模型训练：处理类别不平衡问题，优化超参数，提高模型泛化能力，确保在测试集上达到高精度。
系统集成：将前端、后端和模型训练部分集成，确保系统稳定运行，响应速度快。
示例图片视频
相似推荐
智慧园区管理平台
通过数字孪生技术，真实的真实整个园区的场景，通过物联网设备管理以及大数据分析，实时展示园区的整个状态。通过对接的硬件设备，实时显示园区的环境，气象，污水等数据，通过算法实现精准决策，完成控制设备的调控
微信原生AI应用热量管理工具小程序-纤刻
# 纤刻 — AI 驱动的智能饮食与运动管理助手
> 记录今天，刻下改变。
---
## 一、产品概述
纤刻（Qianke）是一款基于微信小程序平台的 AI 智能健康管理工具，面向关注体重管理、饮食质量和代谢安全的用户群体。产品深度集成人工智能能力，提供从食物识别、营养规划到运动记录的全链路闭环体验，让用户在微信生态内即可完成科学、个性化的健康管理。
### 核心定位
- **不只是热量计算器**：纤刻在传统热量追踪基础上，引入代谢安全监控（Energy Availability）、饮食结构分析、AI 自适应目标调整等进阶能力，帮助用户在安全范围内达成健康目标。
- **AI 原生体验**：从拍照识别食物、对话式运动记录，到基于 14 天行为数据的动态目标生成，AI 贯穿产品的每一个核心环节。
- **科学安全优先**：内置激进策略风险检测、健康状况守卫、体重漂移校验等多层安全机制，确保用户不会因追求速度而损害健康。
---
## 二、目标用户
- 希望管理体重（减脂 / 维持 / 增重）的微信用户
- 关注饮食营养质量、希望了解每日膳食结构的人群
- 有慢性病管理需求（高血压、二型糖尿病、慢性肾病等）需要谨慎控制饮食的用户
- 偏好在微信生态内完成健康管理、不想额外安装独立 App 的用户
---
## 三、核心功能
### 3.1 智能仪表盘（Dashboard）
仪表盘是用户的「今日中心」，一屏呈现完整的当日健康状态：
| 模块 | 说明 |
|------|------|
| 热量英雄卡 | 显示剩余可摄入热量，动态渐变色彩随摄入比例变化（绿色 → 黄色 → 红色），圆环进度指示器 |
| 三大宏量营养素卡片 | 蛋白质 / 碳水 / 脂肪各自的进度条、摄入量、目标值、最低摄入线和颜色引导 |
| 代谢安全卡 | 实时计算 Energy Availability（可用能量 / 去脂体重），三级安全状态（安全 / 注意 / 危险） |
| 四餐记录 | 早 / 午 / 晚 / 加餐四个餐次，展开查看每条食物记录，支持编辑和删除 |
| 饮食结构分析 | 汇总当日所有食物标签，显示警告标签（高糖、高钠等）和正面标签（高纤维、抗炎等） |
| 运动卡 | 展示当日运动记录，支持增删改 |
| 体重卡 | 显示当日体重及与上次的变化量 |
下拉刷新可同步微信运动步数并刷新 AI 日标。
### 3.2 AI 拍照识别（AI Camera）
两种模式，覆盖食物和配料表两大场景：
**食物识别模式**
- 拍照或从相册选择食物图片
- AI 返回：食物名称、每 100g 营养素（热量 / 蛋白质 / 碳水 / 脂肪）、建议份量、置信度、推荐文案
- 丰富的标签体系：微量营养素亮点（microHighlights）、功能效果（f
SurveyPulse - 智能在线调查与实时分析平台
1、立项背景和目标：SurveyPulse 面向产品、运营、市场研究等团队，解决传统问卷平台多人编辑易冲突、数据反馈滞后、分析链路割裂的问题，目标是建设一套支持团队协作、复杂逻辑问卷、实时采集与实时分析的大型在线调查平台。
2、软件功能、核心功能模块介绍：系统包含用户与工作空间管理、问卷创建与发布、答题采集、实时分析四大模块。核心能力包括注册登录、角色权限管理、复杂题型配置、逻辑跳转、多人协作编辑、问卷发布、按题/整卷提交、实时统计、数据看板与导出报告。演示页面见 apps/web/src/pages/DemoPage.vue。
3、业务流程、功能路径描述：用户先创建工作空间并邀请成员，在管理端创建问卷、配置题目与跳转逻辑，然后发布问卷链接。受访者在答题端动态完成作答，系统同步执行逻辑校验并提交数据。随后分析服务实时汇总答卷结果，在看板中展示参与量、满意度和趋势变化，形成“创建—发布—采集—统计—分析”的完整业务闭环。
二课后台管理
从项目发起、审批、参与、评价活动的全过程，均有完整的数据支撑，管理人员可通过第二课堂平台数据了解到项目全生命周期的活动情况，方便对项目进行全方位管理。
方便学生老师对于参加的一些校园活动，及获得进行统计汇总，数字化校园生活。我在项目中主要负责
系统通过安全测评，平台安全有保障。同时系统本地化部署，数据不出园区，以确保师生相关信息数据不泄露。
三维数字化孪生大屏平台
本系统是面向电力/能源行业定制的数字化孪生视景平台。旨在实现输变电工程的数字化全景管控，系统支持标准 GIM（网架信息模型）文件的解析与高效渲染，结合大范围倾斜摄影和 3D Tiles 数据，在三维数字地球上精准复现变电站、输电线路及其周边地理环境。平台提供视点动态漫游、空间距离与面积测量、设备属性秒级查询、全要素图层动态开关以及结合实时运行数据的状态数字孪生监控。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服