web网站开发项目-眼健康筛查数据管理平台
2026-06-16 19:34:41
行业：生活服务
载体：网站
技术：Java、Spring Boot、React、MySQL Workbench
业务和功能介绍
立项背景与目标：
传统校园、社区眼健康筛查依靠纸质登记、人工统计数据，档案分散难管理，医生手动判片效率低下，家长无法直观看懂专业筛查报告，眼病风险无法提前预警。本项目搭建多AI协同眼健康筛查管理平台，目标实现筛查全流程数字化，用AI完成影像判读、报告通俗解读、视力风险预测，打通“筛查-建档-诊断-预警-随访”完整业务闭环，降低人工成本，提升青少年近视防控效率。
核心功能模块：
1. 人员档案模块：学生、居民基础信息录入、电子档案存储、多条件检索；
2. 筛查数据采集模块：对接验光、眼底设备自动采集眼轴、视力、眼底影像，支持Excel批量导入线下台账；
3. AI智能诊断模块：AI识别眼底病灶，自动生成标准化筛查报告；
4. 智能体解读模块：医疗知识库AI智能体，把专业报告转化通俗话术，提供眼健康咨询；
5. 大数据可视化模块：区域筛查数据大屏、视力变化趋势统计、高危人群汇总；
6. 权限管控模块：区分医护、管理员、家长三类角色，隔离敏感医疗隐私数据。
业务流程：
医护人员组织集中筛查，设备采集数据同步上传系统；AI自动完成影像判读生成报告；家长通过端侧智能体查看通俗解读；系统长期追踪视力指标，对视力快速下降人群自动推送风险预警；管理人员通过数据大屏统计全域筛查结果，辅助防控决策。
传统校园、社区眼健康筛查依靠纸质登记、人工统计数据，档案分散难管理，医生手动判片效率低下，家长无法直观看懂专业筛查报告，眼病风险无法提前预警。本项目搭建多AI协同眼健康筛查管理平台，目标实现筛查全流程数字化，用AI完成影像判读、报告通俗解读、视力风险预测，打通“筛查-建档-诊断-预警-随访”完整业务闭环，降低人工成本，提升青少年近视防控效率。
核心功能模块：
1. 人员档案模块：学生、居民基础信息录入、电子档案存储、多条件检索；
2. 筛查数据采集模块：对接验光、眼底设备自动采集眼轴、视力、眼底影像，支持Excel批量导入线下台账；
3. AI智能诊断模块：AI识别眼底病灶，自动生成标准化筛查报告；
4. 智能体解读模块：医疗知识库AI智能体，把专业报告转化通俗话术，提供眼健康咨询；
5. 大数据可视化模块：区域筛查数据大屏、视力变化趋势统计、高危人群汇总；
6. 权限管控模块：区分医护、管理员、家长三类角色，隔离敏感医疗隐私数据。
业务流程：
医护人员组织集中筛查，设备采集数据同步上传系统；AI自动完成影像判读生成报告；家长通过端侧智能体查看通俗解读；系统长期追踪视力指标，对视力快速下降人群自动推送风险预警；管理人员通过数据大屏统计全域筛查结果，辅助防控决策。
项目实现
整体架构与技术栈：
采用前后端分离分层架构，后端基于SpringBoot MVC分层开发，MyBatis-Plus操作MySQL业务库，Redis缓存高频查询的档案、筛查数据提升响应速度；使用LangChain4j对接大模型搭建医疗问答智能体；前端Vue3+Element Plus开发管理后台，ECharts实现数据可视化大屏；通过异步线程处理大批量Excel导入、影像解析任务，RBAC框架实现分级权限控制，所有用户隐私数据全流程脱敏存储。
个人负责模块与量化成果：
本人独立完成后端全部业务接口开发、数据库表结构设计、AI智能体对接逻辑、数据统计大屏接口编写；共开发40+业务接口，实现批量筛查台账导入导出功能，将人工统计筛查数据的耗时从3小时缩短至5分钟；完成眼底影像数据接收、解析、存储整套接口，支撑单次批量200人同步筛查不卡顿。
开发难点与解决方案：
难点1：医疗隐私数据合规风险，原始身份证、手机号直接存储存在泄露隐患；解决方案：新增数据脱敏工具类，展示、导出时自动隐藏隐私字段，数据库明文数据加密存储。
难点2：多设备同时上传筛查数据引发并发库存冲突；解决方案：引入Redis分布式锁控制档案更新操作，避免同一名人员多条重复筛查记录。
难点3：大模型智能体回答医疗内容存在不专业、错误引导问题；解决方案：搭建专属眼健康知识库，限定智能体仅基于库内内容作答，过滤无关、错误回答。
采用前后端分离分层架构，后端基于SpringBoot MVC分层开发，MyBatis-Plus操作MySQL业务库，Redis缓存高频查询的档案、筛查数据提升响应速度；使用LangChain4j对接大模型搭建医疗问答智能体；前端Vue3+Element Plus开发管理后台，ECharts实现数据可视化大屏；通过异步线程处理大批量Excel导入、影像解析任务，RBAC框架实现分级权限控制，所有用户隐私数据全流程脱敏存储。
个人负责模块与量化成果：
本人独立完成后端全部业务接口开发、数据库表结构设计、AI智能体对接逻辑、数据统计大屏接口编写；共开发40+业务接口，实现批量筛查台账导入导出功能，将人工统计筛查数据的耗时从3小时缩短至5分钟；完成眼底影像数据接收、解析、存储整套接口，支撑单次批量200人同步筛查不卡顿。
开发难点与解决方案：
难点1：医疗隐私数据合规风险，原始身份证、手机号直接存储存在泄露隐患；解决方案：新增数据脱敏工具类，展示、导出时自动隐藏隐私字段，数据库明文数据加密存储。
难点2：多设备同时上传筛查数据引发并发库存冲突；解决方案：引入Redis分布式锁控制档案更新操作，避免同一名人员多条重复筛查记录。
难点3：大模型智能体回答医疗内容存在不专业、错误引导问题；解决方案：搭建专属眼健康知识库，限定智能体仅基于库内内容作答，过滤无关、错误回答。
示例图片视频
相似推荐
分布式电商数据采集与分析系统
【立项背景与目标】
随着电商平台竞争加剧，企业对竞品价格监控、市场趋势分析和用户评论洞察的需求日益迫切。传统人工采集方式效率低下、覆盖不全、数据滞后。本系统旨在构建一套自动化、分布式的电商数据采集与分析平台，实现对主流电商平台（淘宝、京东、拼多多、抖音）商品数据的全天候自动采集与智能分析，为企业提供实时、准确的市场情报和决策支持。
【核心功能模块】
1. 分布式采集引擎：基于Scrapy+Redis构建，支持多节点并行采集，内置代理IP池自动切换、Cookie管理、验证码识别等反爬对抗模块，日均采集能力超过120万条商品数据。
2. 任务调度中心：提供可视化任务配置界面，支持Cron定时调度、实时流式采集与手动触发三种模式，可自定义目标平台、商品品类、采集字段（标题、价格、销量、评价、店铺信息等）。
3. 数据清洗与存储管道：自动完成数据去重、格式标准化、异常值过滤，结构化存入MySQL集群，同时同步至Elasticsearch实现毫秒级全文检索。
4. 智能分析模块：提供价格波动趋势分析、竞品销量排名、用户评论情感分析（好评/中评/差评自动分类），通过ECharts大屏实时可视化呈现。
5. 异常告警系统：支持价格突变、商品下架、评论异常等场景的阈值告警，通过钉钉/邮件/飞书实时推送。
【业务流程】
用户配置采集任务（选择平台→品类→字段→调度策略）→系统自动分发至Celery任务队列→Redis去重后分配给各Worker节点→Scrapy/Playwright执行页面抓取→数据经清洗管道处理后入库→前端Dashboard实时展示采集进度与数据分析结果→异常数据触发告警通知。
某部数据中台
建设目标在于解决前台数据服务需求与后台数据服务供给相匹配的问题，提高数据产品服务的规模化生产能力、快速需求响应能力和组件化可复用能力。
在产品层面，数据中台的总体架构分为16个子域：数据门户、数据展示中心、自助查询中心、数据交换中心、作业调度中心、元数据资产中心、文件管理中心、智能AI分析中心、流数据实时分析中心、数据标签中心、数据指标中心、自然语言NLP中心、图像识别OCR中心、智能推荐中心、知识图谱中心、时序预测中心。
可视化建模平台-可视化建模平台
一、项目背景
面向市大数据局、公安、市监局等政务部门开展项目，各部门已完成数据治理工作，但数据加工需开发人员手写代码实现，存在需求响应慢、业务人员无法自主操作、数据处理效率低等痛点，亟需搭建低门槛数据处理平台。
二、项目目标
1. 采集政务数据元数据信息，实现库表、字段及业务含义统一管理
2. 搭建拖拽式可视化建模平台，通过算子实现数据自助加工，降低使用门槛
3. 新增定时任务调度功能，实现建模任务自动化执行
4. 对接BI报表模块，实现加工数据可视化展示
5. 提升数据处理与需求交付效率，支撑政务业务自助数据分析
三、项目概述
搭建政务低代码可视化数据建模平台，自动采集治理后数据的元数据信息，提供过滤、排重、聚合、拆分等拖拽式算子，实现业务人员自主数据加工。支持建模任务定时调度、结果数据异构系统同步与级联分析，同时打通BI报表模块，可自主生成柱状图、折线图、甘特图等图表，完成数据加工到可视化全流程自助化。
物联网实时大数据清洗BI报表-实时报表
一、项目背景
工厂内机床、设备通过PLC采集温湿度、压力、电量、加工计数等实时物联网数据，经Modbus 等协议接入Kafka。原始数据存在大量重复、异常、乱序、跳变问题，无法直接用于MES系统与生产大屏；设备运行状态（绿/黄/红/灰）无统一规则，加工计数易重复统计，亟需一套从0到1的实时数据清洗与治理体系。
二、项目目标
1. 建立设备状态标准化规则，自动识别正常、告警、故障、停机状态并统计各状态持续时长；
2. 构建生产加工计数清洗规则，过滤重复上报数据，处理人工重置等异常场景，保证计数准确；
3. 输出标准结构化数据，支撑MES系统、生产可视化大屏分钟/小时/日报表展示。
三、项目概述
该项目为工业物联网数据治理从0到1建设，采用Flink +Doris 技术架构。从Kafka消费设备实时采集数据，通过自定义清洗规工重置场景处理。清洗后数据写入聚合表，为下游MES系统、可视化大屏提供分钟级至日报级的标准化数据，支撑生产监控、趋势分析与产能统计。
项目职责：
1. 独立负责工业物联网数据治理项目从0到1设计与落地，参与整体架构方案讨论，最终确定并实现Flink +Doris 实时数仓架构；
2. 全程负责从Kafka消费设备实时数据，完成数据清洗、去重、异常过滤、乱序处理、状态计算、指标聚合等全流程开发；
3. 设计并实现设备运行状态（正常/告警/故障/停机）规则引擎，自动统计各状态持续时长并结构化落表；
4. 开发生产加工计数精准清洗逻辑，处理重复上报、人工重置等复杂业务场景，确保计数准确；
5. 构建标准聚合层数据模型，对外提供数据接口，支撑下游MES系统、生产可视化大屏实时展示与报表统计；
6. 负责需求变更、接口迭代及历史数据重刷、补算等运维工作，保障数据一致性。
7、使用AI工具(WorkBuddy后者TRAE CN)辅助提高开发效率
技术栈：Kafka+Flink+Doris+SpringBoot+Redis+Minio+Python
商用车系统数据采集
1、主要用来采集用户输入车架号vin17/后8位 进行指定品牌数据采集整理并完成自动化清洗入库。
2、使用web 页面进行每日数据采集的走势，可以监控每日数据采集量
3、提供API 接口可供其他前后端调用
4、自动登录，验证码识别，动态js 指纹解密，自动整理数据脚本，自动化入库处理
5、使用到使用是python +flask+js+mysql 处理、隐藏navigator.webdriver爬虫标识等等
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服