数据仓库工具

主要用于医生和患者交流的平台，给患者提供咨询服务，结合AI智能体给患者建议，也可以扮演医生的角色。平台采用前后端分离 + 跨端适配架构，以 “医疗场景合规性、交互实时性、跨端一致性” 为核心设计原则，前端基于 Vue2+UniApp 实现多端（微信小程序、App）统一开发，后端通过 WebSocket 保障实时通信，各模块解耦且数据互通，同时严格遵循医疗数据隐私保护规范 主要功能： 1、AI智能体 2、聊天功能 3、朋友圈 4、AI文章 5、销售 6、接单服务、等等

1、本项目立足于“十四五”规划对高质量医疗健康服务体系的建设要求，针对当前高校校医院普遍存在的医疗服务保障水平低、预约挂号流程复杂、设施不便利、个性化服务缺失及远程医疗能力薄弱等痛点，旨在打造一个全面、高效、智能化的校医院智慧医疗系统。项目依托金蝶云苍穹平台与AI大模型技术，融合数据可视化、智能识别与远程交互能力，提升校园医疗服务质量与运行效率，切实保障师生健康，助力平安校园建设。 2、系统主要包含Web端与移动端两大应用入口，功能包括预约挂号、医生诊断、药品划价、住院登记、出院结算、药品采购、仓库管理等核心业务。特色功能模块包括基于OCR技术的病历识别、AI智能对话服务、个性化病情分析与健康建议、癌症智能检测（采用DenseNet121与GoogLeNet模型，皮肤癌与肺癌识别准确率分别达98.38%和91.66%），以及多维度数据可视化大屏，支持住院信息、药物库存等实时监控。系统还提供个性首页，集成来院导航、扫码挂号、医保充值、每日健康打卡等便捷服务，满足用户多样化需求。 3、整体业务流程以患者服务为主线，从移动端或Web端发起预约挂号，经签到就诊后进入医生诊断环节，系统自动生成划价单并支持药品申请与住院安排；后台同步完成药品采购与库存管理；所有诊疗数据通过集成方案在多表单间高效流转，并基于角色权限实现安全管控。医生可调阅患者历史记录，结合AI模型进行病情分析与用药推荐；管理员则通过可视化大屏掌握全院运营状态。整个系统实现从挂号到康复的闭环管理，兼顾功能性、安全性与扩展性，为智慧校园医疗提供可复制、可推广的解决方案。

1. 立项背景和目标 立项背景：响应国家“健康中国2030”战略，针对当前基层眼科医疗资源分布不均、专业医生短缺、传统诊断效率低、服务可及性差等痛点，结合AI医学影像技术快速发展的趋势，推动智慧医疗在基层落地。 项目目标：打造一套全面、高效、智能化的眼科疾病智能诊断系统，通过融合边缘计算与云端协同架构，实现对多种眼底疾病的快速筛查、精准识别与辅助诊断，降低基层诊疗门槛，提升眼病早筛早治能力。 2. 软件功能与核心功能模块介绍 系统采用 Web端 + 微信小程序 + 设备端 + 可视化大屏 的多端协同架构，主要功能包括： 智能眼疾检测 基于 EfficientNet-B3 多标签分类模型，支持对 8类眼疾（糖尿病视网膜病变、青光眼、白内障、年龄相关性黄斑变性、高血压性视网膜病变、病理性近视等）进行高精度识别，召回率达 96.49%。 异常图像检测 引入 AutoEncoder 模型，专门处理“其他/异常”类别样本，解决非标准眼底图像的误判问题。 移动端智能问诊（微信小程序） 用户可上传眼底图像，系统实时返回疾病风险预测、概率分布及健康建议；集成 AI 医疗问答助手，提供科学用眼指导。 病例报告生成 自动根据检测结果生成结构化病例报告单，便于医生快速审阅与决策。 数据监控与可视化大屏 实时展示检测量、阳性率、病灶分布热力图、用户年龄结构等核心指标，支持医院管理与公卫分析。 本地离线诊断能力 轻量化模型部署于树莓派4B设备，配合自适应亮度增强算法（对比度提升40%），可在无网络环境下完成图像采集与AI分析，响应时间 ≤5秒。 3. 业务流程与功能路径描述 整个系统的典型用户操作路径如下： 图像采集 用户通过树莓派+摄像头设备拍摄眼底图像（支持偏振光成像与暗光增强） 图像自动上传至本地设备或云端服务器 AI智能分析 系统调用双模AI引擎：EfficientNet-B3 模型进行8类眼疾多标签分类、AutoEncoder 模型判断 是否为异常/无效图像并输出各病种预测概率与风险等级 结果呈现与交互 微信小程序/Web端展示： 疾病检测结果（如“重度糖尿病视网膜病变，建议立即就医”） 可视化病灶定位（若支持） 个性化护眼建议（控制用眼时间、饮食等） 用户可查看历史记录、生成PDF报告 医生/管理员侧 后台管理界面支持： 病例审核、数据统计 模型性能监控（准确率、召回率） 可视化大屏实时展示区域眼病流行趋势

功能： 1、定时获取外部新闻数据 2、进行新闻事件过滤 3、新闻内容分析 4、分析结果整合并完成结构化入库 功能模块： 1、后端接口服务 2、Coze工作流 3、前端展示 4、数据存储 5、NLP模型 能够自动获取外部新闻信息，按需进行多维度分析，并完成定时通知

负责生产过程实时质量感知与预警应用项目。在卷包数据采集平台及技术架构基础上，完成对卷包新增5台高速机设备的数据采集及在线质量数据预警平台的搭建，达到完善设备数据采集能力，提升数据缓存稳定性和可靠性，实现对生产过程异常、产品质量的在线监测和异常预警功能等目标，具体包括：物联网数采(基于node-red)的采集模块;移动质控终端填报（包括基础填报、质量，消耗，设备，生产，安全）; 基于flink的实时预警内容; 基于重量的分析模型; 和基于yolov8图像识别的温度模型;基于智能体的设备维修知识库;基于finereport11的消耗报表解决方案;基于avue-data的车间整体监控大屏