孕产妇及儿童青少年心理健康服务系统-正心健康工程、米慕爱心
2025-10-16 16:18:43
行业：医疗健康
载体：小程序、网站
技术：Java、UniApp、Vue、MySQL
业务和功能介绍
行业场景
围产期精神障碍是妊娠期常见疾病之一，国家卫健委已将围产期抑郁症筛查列入常规孕检流程。然而，传统医疗机构面临三大痛点：
筛查工具不统一：缺乏统一、专业的心理筛查工具，妇产科医务人员不具备筛查诊疗精神障碍的能力；
流程效率低下：传统纸质问卷从制作、填写到出报告耗时耗力，数据存储分析困难；
分级干预缺失：缺乏自动化的风险分级与预警机制，无法对高风险人群进行及时有效的分层干预。
我们的服务
基础功能：
测评端（小程序/H5）：为孕产妇、学生提供在线心理健康量表测评（如EPDS、SAS、SDS、CAQ等），支持个人档案建立、报告查看。
管理端（Web后台）：为医疗机构、学校、区域管理部门提供用户档案管理、测评记录查询、数据可视化看板及报告导出功能。
数据平台核心功能：
① 分阶段自动筛查：系统根据用户所处阶段（孕早/中/晚期、产后1周、产后4-6周）自动推送对应量表，确保筛查的针对性与科学性。
② 四级风险预警与分级干预：基于测评结果，系统自动进行四级风险判定（低风险→极高风险），并生成对应的干预建议。如孕产妇中风险者纳入黄色高危管理，进行集体心理健康教育；高风险者启动红色预警，由专科医师介入。
③ 多维度数据可视化分析：管理端提供丰富的可视化看板，包括整体心理健康情况玉玦图、异常人数程度分布、不同孕期心理状态分布等，支持按机构、时间、人群属性等多维度钻取分析，为科研与决策提供数据支撑。
围产期精神障碍是妊娠期常见疾病之一，国家卫健委已将围产期抑郁症筛查列入常规孕检流程。然而，传统医疗机构面临三大痛点：
筛查工具不统一：缺乏统一、专业的心理筛查工具，妇产科医务人员不具备筛查诊疗精神障碍的能力；
流程效率低下：传统纸质问卷从制作、填写到出报告耗时耗力，数据存储分析困难；
分级干预缺失：缺乏自动化的风险分级与预警机制，无法对高风险人群进行及时有效的分层干预。
我们的服务
基础功能：
测评端（小程序/H5）：为孕产妇、学生提供在线心理健康量表测评（如EPDS、SAS、SDS、CAQ等），支持个人档案建立、报告查看。
管理端（Web后台）：为医疗机构、学校、区域管理部门提供用户档案管理、测评记录查询、数据可视化看板及报告导出功能。
数据平台核心功能：
① 分阶段自动筛查：系统根据用户所处阶段（孕早/中/晚期、产后1周、产后4-6周）自动推送对应量表，确保筛查的针对性与科学性。
② 四级风险预警与分级干预：基于测评结果，系统自动进行四级风险判定（低风险→极高风险），并生成对应的干预建议。如孕产妇中风险者纳入黄色高危管理，进行集体心理健康教育；高风险者启动红色预警，由专科医师介入。
③ 多维度数据可视化分析：管理端提供丰富的可视化看板，包括整体心理健康情况玉玦图、异常人数程度分布、不同孕期心理状态分布等，支持按机构、时间、人群属性等多维度钻取分析，为科研与决策提供数据支撑。
项目实现
项目角色与周期：
团队规模：10人（产品2人，前端3人，后端3人，算法1人，测试1人）
开发周期：孕产妇系统4个月，学生系统3个月
我司负责任务：全栈研发与系统交付。具体包括：主导业务需求分析与产品设计；完成基于Java+Spring Boot的后端微服务开发与数据库设计；负责使用Vue3+UniApp完成测评端小程序/H5及管理端Web前端的全部开发；负责系统部署、运维及各机构的技术培训与支持。
技术架构亮点：
采用 “UniApp多端发布 + Spring Boot后端服务 + MySQL关系型数据库” 的稳健架构。
通过Vue3构建管理端，获得更好的性能与开发体验；利用UniApp实现测评端小程序与H5的跨端兼容，最大化覆盖用户使用场景。
数据安全与合规性：系统设计严格遵循《个人信息保护法》（PIPL），对敏感个人信息加密存储，并通过云原生安全解决方案保障数据传输与存储的安全，满足医疗数据的高合规要求。
项目难点与攻克：
难点一：复杂的业务规则与多角色权限体系。系统需同时满足孕产妇、学生、医疗机构、学校、区县、市级等多层级用户的不同权限与数据视图。通过设计灵活的RBAC（基于角色的访问控制）模型，实现了精细化的数据权限控制，确保不同角色只能查看其权限范围内的数据。
难点二：与现有妇幼保健平台的数据对接。需要将筛查数据按要求格式导入省级妇幼卫生平台（如四川省平台）。通过开发标准化的数据清洗与导出模块，定制符合对方要求的数据模板，成功实现了数据的无缝对接，减轻了机构用户的数据上报负担。
团队规模：10人（产品2人，前端3人，后端3人，算法1人，测试1人）
开发周期：孕产妇系统4个月，学生系统3个月
我司负责任务：全栈研发与系统交付。具体包括：主导业务需求分析与产品设计；完成基于Java+Spring Boot的后端微服务开发与数据库设计；负责使用Vue3+UniApp完成测评端小程序/H5及管理端Web前端的全部开发；负责系统部署、运维及各机构的技术培训与支持。
技术架构亮点：
采用 “UniApp多端发布 + Spring Boot后端服务 + MySQL关系型数据库” 的稳健架构。
通过Vue3构建管理端，获得更好的性能与开发体验；利用UniApp实现测评端小程序与H5的跨端兼容，最大化覆盖用户使用场景。
数据安全与合规性：系统设计严格遵循《个人信息保护法》（PIPL），对敏感个人信息加密存储，并通过云原生安全解决方案保障数据传输与存储的安全，满足医疗数据的高合规要求。
项目难点与攻克：
难点一：复杂的业务规则与多角色权限体系。系统需同时满足孕产妇、学生、医疗机构、学校、区县、市级等多层级用户的不同权限与数据视图。通过设计灵活的RBAC（基于角色的访问控制）模型，实现了精细化的数据权限控制，确保不同角色只能查看其权限范围内的数据。
难点二：与现有妇幼保健平台的数据对接。需要将筛查数据按要求格式导入省级妇幼卫生平台（如四川省平台）。通过开发标准化的数据清洗与导出模块，定制符合对方要求的数据模板，成功实现了数据的无缝对接，减轻了机构用户的数据上报负担。
示例图片视频
相似推荐
国内外各类贸易官网、后台管理系统定制
项目定位
为一家**外贸医疗器械企业**打造的"品牌官网 + 获客中台"一体化平台：前台是面向海外采购商的英文官网（承接询盘），后台是销售团队自用的**获客—转化—跟进**全流程工具集，把原本靠人肉 Google、Excel 整理客户的外贸流程线上化、批量化。
前台官网（面向海外买家）
- 首页（轮播 Banner、热卖产品推荐）、产品中心、产品详情（富文本长描述 + 图集）、关于我们、联系我们；
- 导航栏与联系页内置 WhatsApp / Instagram / Facebook / 邮件一键直达，贴合海外买家沟通习惯；
- AI 智能客服（右下角对话窗）：基于自家产品资料库做检索增强（RAG），用英文 7×24 接待询盘、回答产品参数，买家不流失在"非工作时间"。
后台管理（`/admin`，销售团队自用）
- 仪表盘
运营概览 + 最新抓取线索分页，打开后台就知道今天有哪些新客户。
- 产品管理
产品增删改查、批量删除、富文本详情、图片上传；**支持一键导入同行 Alibaba 国际站店铺产品**（免登录、免 API Key，自动识别分类），新产品上架从"手动录入几小时"降到"粘贴店铺链接几分钟" 。
- 线索获客
按关键词抓取同行业店铺联系方式：Google Places API（真实数据）/ OpenStreetMap Overpass（免费、合规、免 Key）/ 黄页三模式 + 演示数据兜底；抓取结果一键 **WhatsApp / Facebook / 邮件分批群发**（默认每批 10 条，可配置）。
- 在线邮箱
后台直接登录企业邮箱在线收发开发信（nodemailer 发信 + IMAP 收信），兼容网易"别名邮箱"归一化识别，不会把同一客户当两个人。
- 热卖趋势
医疗器械热卖关键词热度趋势（ECharts 图表，演示/真实数据源双模式），指导选品。
- 海关数据
按客户网址查询其近一年真实进出口记录（演示/富通天下双模式），判断买家实力与采购周期。
- 留言管理
前台联系表单的询盘留言统一收件、跟进。
- AI 模型配置
后台增删改多个 OpenAI 兼容模型（豆包 / DeepSeek / OpenAI 等），一键切换客服默认模型，密钥加密存储。
典型业务价值
- 把"找客户 → 批量触达 → 邮件跟进 → 询盘接待"串成闭环；AI 客服 + 批量群发直接降低外贸业务的人力重复劳动；
- 产品库导入与海关数据查询这类重调研环节，从数小时压缩到分钟级。
AI知识库AI客服助手
项目定位
面向企业**私有化部署**的 AI 知识库问答系统（RAG）：把企业内部的制度文档、产品手册、技术资料、项目档案统一喂给 AI，员工用自然语言提问，即可获得**带原文出处引用**的可靠答案，替代传统"全文检索 + 人肉翻文档"的低效方式。产品形态为单客户独立部署（非 SaaS），企业内部员工共用一套账号，开箱即用。
核心功能
- 文档管理
单文档 / 整个文件夹上传（保留相对目录结构）；按扩展名白名单 + 文件头（magic bytes）双重校验真实格式，伪装扩展名直接拒绝入库。
- 流式问答
SSE 逐字输出回答，右侧实时展示来源片段（可点击预览定位）；回答结束后给出 2~3 条相关追问建议，并返回检索/生成耗时等性能指标。
- 混合检索
向量语义召回 + pg_trgm 关键词召回 + RRF 排名融合，兼顾"同义问法"与"碎片简称"两类查询。
- 语义缓存
新问题与近期缓存做余弦相似度比对（≥0.95 直接复用答案，跳过检索与模型调用）；知识库任何变更（上传/删除/重建索引）自动失效该用户缓存，杜绝命中过期答案。
- 多轮对话
结合历史对话把"它的优缺点呢"这类指代问句自动改写为独立查询，再去检索。
- 3D知识图谱
文档关系 / 实体关系双模式 three.js 力导向聚类可视化：相干文档自动聚簇、连线粗细颜色映射关联度、UnrealBloom 辉光特效，一眼看清知识库的主题分布。
- RAG 评估看板
维护评估集与评估运行，对检索/回答质量做回归对比，支撑"改了 Prompt 或检索策略后答案有没有变差"的量化验收。
- 用量与成本
全链路记录模型调用事件与 token 成本（usage-event），后台查看调用量与花费统计。
- 文档共享
生成授权分享链接，对外提供受控的文档访问。
- 安全
登录态存 HttpOnly Cookie（前端脚本读不到）；知识库文档一律走授权下载接口，不暴露静态直链；模型密钥加密存储。
典型业务价值
- 新人培训 / 客服售后场景下，问答响应从"翻文档 10 分钟"缩短到"开口即答、带来源"；
- 私有化部署保证企业资料不出内网；
- 语义缓存 + 限额部署让中小团队的模型调用成本可控可统计。
基于OpenCV图像处理与ADB的半自动化触控测算工具
本项目是一款轻量级的移动端半自动化交互工具。为了应对复杂多变的屏幕 UI 场景，本工具采用“视觉呈现+人工辅助定位+机器精准执行”的闭环模式。核心模块包括：利用 OpenCV 实时抓取并渲染设备屏幕画面；用户在可视化界面上点选起始与目标位置；借助 NumPy 进行矩阵运算，快速计算两点间的欧氏距离；最后通过内部映射公式转化为按压时长，由 ADB 协议向设备发送模拟触控指令。该项目广泛应用于移动端 UI 定点测试及特定坐标的自动化脚本开发。
基于So-VITS深度学习的AI声音克隆与音频转换工具
本项目是一款基于前沿深度学习模型（So-VITS-SVC）的本地化 AI 音频处理工具。核心功能旨在实现高保真的声音克隆与音色转换。主要模块包括：1. 音频数据预处理（自动切分、降噪、重采样）；2. 声学特征（F0音高、内容特征）提取；3. 基于预训练模型的音色推理与转换；4. 最终的音频混音与格式输出。该系统可应用于虚拟主播（VTuber）配音、有声书制作、以及合规的 AI 音乐翻唱等场景，输出音频自然流畅，具有极高的拟真度。
基于Selenium的公开短视频数据自动化采集与处理系统
本项目用于高效采集指定网页的公开多媒体数据（包括视频、音频、文本信息），并进行结构化清洗与存储。核心功能包括：自动模拟真人操作、绕过基础反爬策略、自动捕获动态加载的数据包、视频文件批量下载、以及最终将元数据导出为 Excel/CSV 格式。适用于竞品分析、舆情监控、素材库建设等场景。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服