昵称登录后显示

项目1：智能医疗诊断辅助系统
• 系统架构：基于 朴素贝叶斯分类器与 医疗知识图谱 混合驱动的诊断系统，集成规则引擎，实现多源信息融合推理。
• 核心算法：实现并优化了自定义朴素贝叶斯模型，支持对性别、年龄、主诉、现病史、检查结果等多字段特征进行概率建模；
• 知识融合：设计加权评分算法，将模型预测概率与知识图谱规则权重动态结合，显著提升诊断建议的准确性。
• 效果：系统能有效处理复杂临床病例，输出带概率分布的疾病诊断排序列表，为医生提供可靠的临床决策支持。
项目2：基于NebulaGraph的医疗知识图谱可视化系统
• 数据建模与导入：基于NebulaGraph图数据库，包含76个实体类型（如疾病、症状、体征、检查、检验等）和293个医学关系类型的大规模医疗知识图谱数据模型。
• 可视化交互：开发了知识图谱可视化前端界面，支持实体关系的动态探索、路径查询和子图展开，极大提升了医学知识的可读性与检索效率。
• 后端服务：使用Python与FastAPI构建图数据查询接口，高效响应前端复杂查询需求，支撑知识检索与关系推理。
• 项目价值：该系统为临床科研和诊断辅助提供了直观的知识关联洞察，是AI诊断系统的重要知识基础设施。

项目3：基于Dify的医疗智能体开发与应用
• 使用 Dify.ai 低代码平台快速构建并部署面向医疗场景的AI智能体（Agent）。
• 病历书写助手：通过设计结构化提示词和工作流，集成LLM能力，开发能够根据医患对话关键信息自动生成符合规范的门诊病历的智能体，提升医生文书工作效率。
• 治疗方案推荐智能体：基于临床指南和医学知识库，构建RAG流程，开发用于辅助治疗方案推荐的智能体。该智能体能够理解患者病情，检索相关知识，并生成个性化的治疗建议参考。
• 技术要点：核心工作包括提示词工程、工作流编排、Function Calling的集成，以及将内部知识库与LLM能力相结合，确保生成内容的准确性与实用性。