医疗健康 软件定制 案例

超医助手是由e转诊全新迭代升级的产品，产品定位为移动化医生执业平台。可以让医生进行在线医疗学术的交流和推广，使不同级别的医生获取如个人品牌推广、学术收益等需求满足医疗学术知识的传播以及实现了病人、医疗技术、医疗资源信息的实时互动。

**解决方案：B2B2C平台 + AI赋能** 构建三端分离的SaaS平台，通过AI技术连接三方角色，形成商业闭环： **B端（医院/医生）**：提供AI诊疗助手降低误诊率30%，智能记忆系统自动记录病历，预约管理系统提升运营效率50%，客户管理系统提高留存率。 **C端（宠物主人）**：提供24小时AI健康咨询，解决80%的常见问题，降低就医成本。在线预约挂号，避免排队等待。社区互动增强用户粘性，提升平台活跃度。 **推广端（KOL/博主）**：提供分销工具和佣金系统（首次消费15%，复购5%），实现流量变现。

参与开发潍坊市妇幼保健院公众号、小程序、后台管理等开发工作，该项目旨在服务就医人群，提高患者使用体验，方便患者就医，目前项目正在使用中，可以搜索潍坊市妇幼保健院公众号或小程序查看。

行业痛点： 1.业务操作繁琐,工作效率低下 2.多系统数据割裂,协同对接困难 3.数据录入依赖人工,准确、完整性难保障 4.基层服务资源紧张,专业能力承压 系统简介： 乐联AI是一款面向基层医疗的智能助理产品，深度对接乐康体检(老年体检)、乐豆体检（中小学生体检）、乐童体检（婴幼儿体检）、家庭医生签约服务平台、慢病随访服务平台等多类医疗业务系统，以“打破数据孤岛、简化操作流程”为核心目标，构建覆盖全场景的基层医疗服务智能解决方案。 依托语音交互与语义理解、数据校验融合、数据智能校验与融合分析、个性化智能推荐与生成、数据可视化与自动化报表、批量数据处理与模板生成六大核心技术，乐联AI创新采用自然语言对话交互模式，实现“说话即办事”。

背景： 由于现有公共卫生服务平台与体检业务不匹配，导致医生需要手工填表并再次录入系统，增加了工作量并容易引起错误；基于以上问题建设的一款适合基层使用场景的体检业务软件系统，系统实现了基层医疗机构下乡体检全流程的信息化，包括老年人体检、健康体检等多个模块，解决了手工填表再录入系统、专业体检医生数量匮乏、信息不互通等痛点问题，以提高服务效率和质量。 APP端：目标用户为体检医生和责任医生； 体检医生主要用于下乡体检时使用APP登记体检、打印引导单、扫码体检、打印采样条码、建档、修改档案； 责任医生主要查看体检概况，调度体检、查看基本统计是数据等基本操作； PC客户端：目标用户为体检医生、责任医生和机构管理员； 体检医生用于院内体检时登记体检、打印引导单、扫码体检、打印采样条码、建档、修改档案； 责任医生主要批量诊断、查看体检概况，调度体检、查看基本统计数据、导出体检明细、生成汇报资料等基本操作； 机构管理员主要配置机构内给类型体检项目、体检项目分工、诊断标准、其它体检套餐、打印模板、预设模板管理、账号信息等； 数据驾驶舱：目标用户为各机构领导，省市区县各级部门领导 主要用于查看辖区内各个机构的体检统计数据，包含体检趋势、病情占比、体检工作量、体检反馈报告数量等 自助医疗机：目标用户是居民 居民在体检时，可在自医疗机上轻松查询/创建中医体质辨识、中医药保健指导、自理能力评估及肺结核筛查。此举既省时又便捷，让居民随时掌握自身健康状况。

本系统专为药店日常运营量身打造，覆盖药品采购入库、销售出库、库存盘点、GSP养护、近效期预警及会员管理等核心环节。支持扫码枪快速收银与盘点，实时掌握每种药品的库存数量与效期状态，帮助药店老板有效控制损耗、提升资金周转率，让药店管理更省心、更高效。 该系统为saas平台针对全国药店使用，所以该系统在设计之初采用了dubbo微服务架构，分别拆分为订单服务、库存服务、商品服务、网关服务、支付服务、报表服务等等。 系统上线后，面对用户量激增带来的巨大并发压力与复杂场景挑战，平台曾经历多次严峻考验。我们的技术团队凭借十余年的深厚积淀，快速定位问题根源，并一次次在深夜与假日完成紧急修复与架构优化。正是这一次次的实战锤炼，让系统愈发稳定可靠。如今，平台在持续高负载下依然稳健运行，这是我们团队经验与技术实力的最好证明。

用健康SaaS平台旨在通过整合各类健康资源，为用户、医生和健康管理机构提供一站式、全方位的健康管理服务。平台通过体检预约、健康咨询、健康报告、健康计划和体征数据查看等功能，实现健康管理服务的数字化、智能化和个性化，为用户提供更加精准的健康管理服务。

专注牙齿矫正的服务品牌，门店有经验丰富的矫正医生和医疗团队。总部设有正畸专家团队，与门店医生会诊把关，保障每一个患者的矫正效果。一套把控牙齿矫正周期的管理系统，主要使用部门有线上运营，预约中心，数据中心，方案中心，线下门店等部门使用。 负责模块: 1.顾问app端接诊流程 2.管理分配的业务逻辑 3.管理后台数据统计部分模块

1. 实现与省平台接口对接 依据省级卫生健康平台统一制定的接口规范，建立安全、稳定、高效的数据交换通道，实现医院信息系统与省平台的双向数据互通。 接口标准适配：遵循省平台要求的通信协议（Web Service）和数据格式（JSON），对接HL7/FHIR、国家卫生健康委数据标准集，确保数据语义一致。 数据上传与下载：定时或实时上传医院业务数据（检验检查报告、公共卫生事件报告）至省平台；同时从省平台获取居民健康档案、区域诊疗信息、疾控预警等数据，下发给院内系统使用。 安全机制：采用数字证书、国密算法加密传输，配合白名单、Token鉴权等机制，确保数据传输的保密性、完整性和不可否认性。 监控与告警：建立接口运行监控看板，实时追踪调用成功率、响应时长，异常时自动告警并记录日志，便于快速排查问题。 版本兼容与演进：当省平台接口升级时，提供回滚能力，确保业务不中断。 2. 数据互通（区域及院内） 构建全院级数据集成平台，打通院内各业务系统及区域医疗平台之间的信息壁垒，实现患者诊疗信息的连贯共享与跨机构业务协同。 区域数据互通：通过上述省平台接口，将医院数据融入区域健康大数据中心，支持医生在授权下调阅患者在其他医疗机构的就诊记录、检查影像、用药历史，避免重复检查。 -院内异构系统集成：采用企业服务总线（ESB）或集成引擎，将HIS（医院信息系统）、LIS（检验信息系统）、PACS（影像归档系统）、EMR（电子病历）等系统连接起来 主数据管理：统一患者主索引（MPI）、科室字典、收费项目字典等基础数据，确保各系统间数据关联准确、一致。 业务协同：实现跨科室、跨部门的业务流程自动化，如门诊医生站直接调阅LIS报告、住院医嘱自动同步到药房系统。 3. 医院内部数据互通 功能描述：在院内层面，通过数据集成技术实现各业务系统之间的实时数据交换，构建以电子病历为核心的临床数据中心（CDR），支撑临床诊疗和医院管理。 具体内容：临床数据中心（CDR）建设**：整合HIS、LIS、PACS、手麻、重症监护等系统的临床数据，形成以患者为中心的完整时间轴视图，医生可一站式查看患者全息档案。 医嘱闭环管理：实现医嘱从开具、审核、执行到计费的全流程数据回传与监控，确保医嘱执行可追溯。

控制仪器进行运动，对细胞计数，对各种细胞计数的结果值以及结果图片进行展示，展示结果保存进数据库，对数据库历史数据进行调用展示，且软件添加审计追踪功能，保证客户行为的追踪等等。

1、负责细胞样本的长时间动态成像工作,采用高精度显微镜设备对活体细胞进行连续72小时以上的实时观察和图像采集,确保实验数据的完整性和准确性。 2、开发并实施标准化的图像处理流程,将算法结果包括但不限于:细胞计数统计、形态学参数测量(面积/周长/圆度)、荧光强度定量分析等关键指标值进行展示。 3、建立完善的实验数据管理系统,将原始图像数据和分析结果按照标准命名规范归档存储至本地数据库,实现数据的长期保存和快速检索功能。 4、设计并实施基于角色的访问控制系统(RBAC),为不同级别的研究人员配置差异化的数据访问权限(查看/编辑/下载),确保敏感实验数据的安全性。 5、开发审计追踪功能模块,详细记录所有用户的登录时间点及关键操作行为(如数据修改记录),满足实验室质量管理体系(GLP)的合规性要求。

肝脏肿瘤的精准分割是临床诊断、手术规划及疗效评估的关键环节，传统手工分割方法高度依赖医师经验，存在耗时长、主观性强及可重复性低等问题。随着医学影像数据的快速增长，发展高效、准确的自动分割技术已成为医学图像分析领域的迫切需求。 近年来，深度学习技术，尤其是全卷积神经网络，在医学图像分割中展现出巨大潜力。其中，U-net网络以其独特的编码器-解码器结构和跳跃连接，在小样本医学数据上实现了优异的像素级分割效果，成为该领域的基准模型之一。然而，标准U-net在处理肝脏肿瘤图像时仍面临挑战：肝脏与肿瘤的灰度相似、边界模糊、肿瘤尺寸和形态差异巨大，以及图像中存在噪声伪影等问题，常导致分割精度不足、细节丢失或假阳性增多。 因此，针对肝脏肿瘤分割的特殊复杂性，对经典U-net结构进行针对性改进，提升其特征提取能力、上下文信息捕捉效率和边界分割精度，具有重要的理论意义与临床应用价值。本研究旨在探索改进U-net模型的有效途径，为实现更鲁棒、更精准的肝脏肿瘤自动分割提供可行方案。

## 采购流程 1. **员工申请**: 员工根据库存情况创建采购单 2. **管理员审核**: 管理员审核采购单 3. **采购入库**: 收到货物后，员工确认入库，库存自动更新 ## 项目简介 这是一个基于SpringBoot + Vue2 + Element UI开发的连锁药店销售管理系统，支持顾客端、员工端、管理员端三端分离，提供完整的药店销售、库存、采购、会员积分等功能。 ## 技术栈 ### 后端技术 - **架构**: B/S、MVC - **JDK版本**: JDK8+ - **框架**: SpringBoot 2.7.18 - **ORM**: MyBatis-Plus 3.5.3.1 - **数据库**: MySQL 8.0 - **缓存**: Redis - **认证**: JWT令牌认证+密码MD5加密存储 - **工具类**: Hutool ### 前端技术 - **框架**: Vue 2 - **UI库**: Element UI - **数据可视化**: ECharts - **HTTP客户端**: Axios

1. 背景与目标 PCQM4Mv2 是一个基于图神经网络(GNN)的分子属性预测项目，旨在解决量子化学分子特性预测的挑战。该项目使用了 Open Graph Benchmark (OGB) 中的 PCQM4Mv2 数据集，这是一个大规模的量子化学分子数据集，包含约 400 万个分子的量子力学性质预测任务。 项目目标 ： - 提供完整的工具链，从数据下载、预处理到模型训练和评估 - 实现基于 PyTorch Geometric (PyG) 和 Deep Graph Library (DGL) 的基线模型 - 为研究人员和开发者提供一个标准化的框架，用于开发和测试分子图神经网络模型 - 支持用户生成符合 OGB 竞赛要求的提交结果 2. 功能模块介绍 2.1 数据处理模块 - 数据下载 ：从 OGB 官方服务器下载 PCQM4Mv2 数据集的 SDF 文件 - 数据验证 ：使用 MD5 校验确保下载的数据完整性 - 数据提取 ：解压缩 SDF 文件 - 图构建 ：使用 RDKit 将分子的 SMILES 表示转换为图结构，包括原子特征和键特征 2.2 模型训练模块 - PyG 基线 ：基于 PyTorch Geometric 实现的图神经网络模型 - DGL 基线 ：基于 Deep Graph Library 实现的图神经网络模型（可选） - 训练配置 ：支持自定义设备、批量大小、训练轮数等参数 - 模型保存 ：自动保存最佳模型检查点 2.3 评估与提交模块 - 性能评估 ：计算预测结果的平均绝对误差 (MAE) - 提交生成 ：生成符合 OGB 竞赛要求的测试提交文件 - 结果可视化 ：使用 TensorBoard 记录训练过程和性能指标 3. 功能路径描述 3.1 环境搭建与数据准备 1. 环境配置 ： - 创建并激活 conda 环境 - 执行 install_rdkit.sh 安装 RDKit（分子处理库） - 执行 pip install -r requirements.txt 安装 Python 依赖 2. 数据下载与预处理 ： - 下载 SDF 文件： python download_and_preprocess.py --root dataset/ --download-sdf --extract - 构建 OGB 数据集（图结构）： python download_and_preprocess.py --root dataset/ --build （可能需要数小时） 3.2 数据集使用 - SMILES 操作演示 ： python dataset_demo.py （仅使用 SMILES 表示的操作，快速运行） - 评估器演示 ： pyth

1、立项背景和目标 本项目针对慢病患者线下问诊流程繁琐、健康管理缺乏持续性的行业痛点，打造一站式轻量化慢病管理AI问诊平台，降低慢病患者问诊咨询门槛，同时为医护人员提供线上诊疗配套工具，实现慢病健康管理的线上化、智能化、便捷化，项目已完成全流程开发与公网部署，可直接商用落地。 2、软件功能、核心功能模块的介绍 项目核心覆盖两大角色体系，配套完整的全流程功能模块： - 患者端：账号注册登录、AI智能问诊咨询、个人健康档案管理、问诊历史记录查询、密码找回等核心功能； - 医生端：医生专属登录入口、患者问诊信息管理、诊疗建议回复、患者健康档案查看等配套功能； - 系统管理：双角色权限管控、数据安全存储、页面响应式适配、公网稳定访问等基础能力。 3、业务流程、功能路径描述 用户核心业务路径形成完整闭环：用户通过公网地址访问平台，进入登录页选择对应角色，使用测试账号/注册账号完成登录校验，进入系统首页后，可快速进入AI问诊模块发起健康咨询，系统实时响应问诊需求并反馈对应健康建议，同时自动留存问诊记录至个人健康档案，用户可随时在个人中心查看历史问诊信息，完成全流程操作。

当前大学生和上班族普遍久坐，健康意识不足。作为大一C语言课程实践项目，选择开发一款简洁易用的BMI计算器，帮助用户快速了解自身体重状况。 用户输入身高（米）、体重（千克） 自动计算BMI指数：BMI = 体重 / (身高 * 身高) 根据WHO标准分类：偏瘦、正常、超重、肥胖 输入异常处理：提示负数或零值错误，避免程序崩溃 循环计算：支持一次运行多次查询，提升用户体验

该项目是将ai、康养陪护、日常净饮等方面融合的产物。涵盖了微信小程序端、后台运营端、安卓硬件端。用户可以通过微信扫码进行绑定设备和人员，设置自己喜爱的小辈们的声音作为安卓端音色，进行别样的人机交互生活，从而使得数据流入后台。通过算法或手动触发或语音唤醒等方式进行紧急情况的呼救

客户要我帮助其个人和其群组开发包含前后端的个人to do list网页，要求要色彩鲜艳，赛博朋克风格，同时包含各项其要求功能。 核心功能设计：任务增删改查 分类管理 优先级设置 截止日期和提醒 搜索和筛选 数据可视化图表 高级功能设计： 用户登录注册 云端数据同步 离线模式 邮件提醒服务 Webhook集成 任务模板 响应式设计

该平台是一个功能全面、技术成熟的商家管理系统，提供了从系统管理、财务管理、门店管理到仓库管理、物流管理等全方位的管理功能。系统基于若依框架开发，技术栈成熟，功能完善，适合中大型商家使用，尤其适合医药行业和连锁零售企业。系统的模块化设计使得它可以根据不同商家的需求进行定制和扩展，为商家提供高效、便捷的管理工具。

该项目具备丰富功能：可识别药物品种，通过图片精准判断药物；能上传网页视频图片，便于资料整合；可向客户介绍机器用途及购买费用，助力销售沟通；还能科普药物科学作用与使用方法，为用户提供专业用药指导，兼具实用与科普价值，满足多场景需求。