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
xx智慧社区小程序
业务背景：随着信息技术的快速发展，智慧社区的概念逐渐深入人心，成为提升居民生活质量、优化社区管理的重要手段。而在智慧社区的建设中，智慧社区小程序扮演着至关重要的角色。它不仅为社区居民提供了便捷的服务平台，还为物业管理带来了前所未有的变革。它将社区服务与互联网技术紧密结合，实现了社区服务的数字化和智能化。通过这款小程序，居民可以轻松享受到各种便利服务，如物业费用缴纳、报修申请、社区活动报名等。不仅如此，智慧社区小程序还为居民提供了丰富的信息资源，如社区公告、紧急通知等，确保居民能够及时了解到社区的最新动态。
功能介绍：物业管理 预警管理 设备管理
xx智慧社区项目 （pc端+三维大屏）
业务背景：旨在利用先进的信息技术手段和智能化设备，以提升社区管理和居民生活质量，实现社区管理的数字化、智能化的新型社区模式。横向连接政府、街道、物业、居民、商家，纵向支持街道、社区、小区、物业、居民多级架构，运用云计算、大数据、数字孪生、物联网等技术，提供覆盖社区治理、社区安防、智慧物业、数字服务等场景的智慧社区综合管理平台，助力构建集人性化、数字化、生态化为一体的新管理形态智慧社区。
功能介绍：一屏总览 党建大屏 安防大屏
智慧养老服务平台
根据市场调研发现我国人口老龄化严重，自此我们提出了让养老模式向智慧化转型，所以完成了智慧养老服务平台，我们通过与智能硬件设备和AI大模型进行整合分别针对四个维度实现了四个端，分别为老人端：为老人提供健康数据实时查看，社区活动、信息一键通知，居家服务，提供外卖，上门做饭，营养餐配送等，智能陪伴，通过语音或文字的方式与AI大模型交流，提升老人幸福感，家属端：实时查看老人健康数据并且通过AI大模型对老人健康数据及对话内容进行分析，以照顾老人的身心健康，并且结合智能硬件设备设置电子围栏，查看实时定位等功能，社区端：为社区人员提供统一管理平台，可以发布社区活动，新闻等并即时接受老人发出的警报信息，确保老人的安全问题，商家端：为商家提供接单，上架下架商品等功能。本平台致力于整合市场所有资源来为老人提供便捷高效的平台，打造了全新的智慧养老服务新生态
智慧农业大数据平台
本项目是一个综合性的农业管理系统，它包括多个功能模块，旨在提高农业生产效率和管理水平。具体功能模块包括地块管理、农资管理、农事管理、养分管理、专家问答、农产品管理、生产任务、库存管理、农产品种植、溯源、检测和采收包装等。这些模块为使用者提供了从地块新增、编辑到农资采购、登记，再到农事活动管理、农产品管理等一系列功能，实现了农业生产的全面数字化管理。
项目的主要功能路径描述如下：首先，通过地块管理模块，用户可以新增或编辑地块信息；接着，利用农资管理模块，用户可以进行农资的新增、编辑、采购和登记；然后，通过农事管理模块，用户可以新增农事活动；养分管理模块允许用户新增和编辑养分信息；专家问答模块提供了一个平台，用户可以新增问答信息；农产品管理模块支持农产品的新增和编辑；生产任务模块允许用户新增和编辑生产任务；库存管理模块支持库存的新增；农产品种植模块包括新增、编辑、溯源、检测和采收包装等功能；最后，溯源模块还支持编辑功能，检测模块支持新增和编辑检测信息，采收包装模块支持新增和编辑采收包装信息。
在技术实现上，客户端采用Flutter框架，确保了应用的跨平台兼容性和高性能；PC端采用React框架，提供了响应式和高效的用户界面。此外，项目还集成了摄像头、虫情检测设备、灌溉控制设备等硬件，通过这些硬件设备，系统能够实现对农业生产环境的实时监控和智能控制，进一步提升农业生产的智能化水平。
电网数字孪生平台
电站数字孪生平台是基于物理电站数据构建的虚拟映射系统，核心功能围绕 “虚实融合、动态交互、智能决策” 展开，简要总结如下：
数据集成与建模：对接电站设备传感器、SCADA 系统等数据源，采集运行参数、环境数据等；构建高保真三维模型，还原电站建筑、设备结构及运行逻辑，实现物理实体与虚拟模型的实时数据同步。
实时监控与可视化：以三维可视化形式实时展示电站运行状态，包括设备工况、能耗、电压电流等关键指标；支持设备定位、状态预警（如温度异常、故障前兆），直观呈现电站整体及局部运行情况。
模拟仿真与预测：可模拟不同工况（如负荷变化、极端天气）下的电站运行效果，辅助优化运行策略；基于历史与实时数据，预测设备寿命、故障风险及电站产能，提前规避隐患。
运维管理与协同：支持设备维护计划制定、工单派发及维修记录追踪，关联虚拟模型定位故障设备并提供维修指导；提供多角色协同功能，允许运维、管理团队在线共享数据、协同处理问题，提升运维效率。
优化决策与能效提升：通过仿真与数据分析，优化电站启停、负荷分配等操作，降低能耗与运维成本；结合新能源（如光伏、风电）特性，优化风光储协同运行，提升电站整体能效与可再生能源利用率。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服