# AI_System

**Repository Path**: zeron2022/ai_-system

## Basic Information

- **Project Name**: AI_System
- **Description**: 基于大模型技术的智能辅诊系统
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: feature
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2025-08-05
- **Last Updated**: 2025-08-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 智能辅诊系统 (Intelligent Medical Diagnosis System)

基于大模型技术的智能辅诊系统，为医疗专业人员提供AI辅助诊断、报告分析和医学咨询服务。

## 🏥 项目概述

本系统是一个现代化的医疗AI应用，采用Spring Boot + React技术栈，提供类似ChatGPT的对话式医疗咨询界面。系统集成了多种AI技术，包括大语言模型、医学图像分析、时序数据处理等。

### 核心功能模块

#### 1. 数据采集模块
- **数据来源**：医院HIS系统、PACS影像系统、可穿戴设备、医学文献库
- **数据类型**：
  - 结构化数据：检验指标、用药记录
  - 非结构化文本：门诊病历、影像报告
  - 时序数据：心电监护、血糖监测
  - 高维数据：CT/MRI DICOM文件

#### 2. 数据处理模块
- **多模态对齐**：医学文本去标识化（HIPAA合规）、DICOM图像标准化
- **特征工程**：BioBERT文本特征、ResNet-50影像特征、STL时序分解
- **知识注入**：UMLS医学本体实体链接、临床路径规则嵌入

#### 3. 模型设计模块
- **微调方案**：LLaMA-Med百万级电子病历预训练、多任务学习框架
- **推理优化**：思维链（CoT）提示工程、蒙特卡洛Dropout不确定性量化
- **可解释性**：显著性热力图、决策路径追踪

#### 4. 应用模块
- **辅助诊断**：Top-5鉴别诊断及置信度、检验检查建议
- **报告生成**：结构化影像报告、病历语义完整性检查
- **病程管理**：SOAP病历要素提取、个性化随访方案

## 🚀 技术架构

### 后端技术栈
- **框架**：Spring Boot 3.2.0
- **数据库**：H2 (开发) / MySQL (生产)
- **安全**：Spring Security
- **文件处理**：Apache Commons FileUpload
- **API文档**：自动生成RESTful API

### 前端技术栈
- **框架**：React 18.2.0
- **UI组件**：Ant Design 5.4.0
- **样式**：Styled Components + CSS3
- **状态管理**：React Hooks
- **HTTP客户端**：Axios

### AI集成接口
- **Python模型服务**：预留HTTP API接口
- **数据处理**：多模态数据对齐和特征提取
- **模型推理**：LLaMA-Med、RAG检索增强生成

## 📁 项目结构

```
System/
├── src/main/java/com/medical/diagnosis/
│   ├── IntelligentDiagnosisApplication.java    # 主启动类
│   ├── controller/                             # 控制器层
│   │   ├── ChatController.java                 # 聊天API
│   │   └── FileController.java                 # 文件上传API
│   ├── service/                                # 服务层
│   │   ├── ChatService.java                    # 聊天业务逻辑
│   │   ├── AIModelService.java                 # AI模型服务
│   │   └── FileUploadService.java              # 文件处理服务
│   ├── model/                                  # 数据模型
│   │   ├── ChatSession.java                    # 会话实体
│   │   ├── ChatMessage.java                    # 消息实体
│   │   └── MessageAttachment.java              # 附件实体
│   ├── repository/                             # 数据访问层
│   ├── dto/                                    # 数据传输对象
│   ├── config/                                 # 配置类
│   └── integration/                            # 集成接口（预留）
│       ├── DataCollectionService.java          # 数据采集接口
│       ├── DataProcessingService.java          # 数据处理接口
│       └── ModelInferenceService.java          # 模型推理接口
├── frontend/                                   # React前端
│   ├── src/
│   │   ├── components/                         # React组件
│   │   │   ├── Sidebar.js                      # 侧边栏组件
│   │   │   └── ChatMain.js                     # 主聊天区域
│   │   ├── services/                           # API服务
│   │   │   └── api.js                          # HTTP客户端
│   │   └── App.js                              # 主应用组件
│   └── package.json                            # 前端依赖
├── pom.xml                                     # Maven配置
└── README.md                                   # 项目文档
```

## 🛠️ 开发环境搭建

### 环境要求
- Java 17+
- Node.js 18+
- Maven 3.8+
- MySQL 8.0+ (生产环境)

### 启动步骤

1. **克隆项目**
```bash
git clone <repository-url>
cd System
```

2. **后端启动**
```bash
# 安装依赖并启动Spring Boot
mvn clean install
mvn spring-boot:run
```

3. **前端启动**
```bash
# 进入前端目录
cd frontend

# 安装依赖
npm install

# 启动开发服务器
npm start
```

4. **访问应用**
- 前端界面：http://localhost:3000
- 后端API：http://localhost:8080/api
- H2数据库控制台：http://localhost:8080/api/h2-console

## 🔧 配置说明

### 应用配置 (application.yml)
```yaml
medical:
  ai:
    model:
      endpoint: "http://localhost:5000/api/model"  # Python模型服务地址
    data:
      upload-path: "./uploads"                     # 文件上传路径
      max-file-size: 50MB                          # 最大文件大小
```

### 数据库配置
- 开发环境：H2内存数据库（自动创建表结构）
- 生产环境：MySQL（需要手动配置连接信息）

## 🧪 测试指南

### API测试
```bash
# 创建新会话
curl -X POST "http://localhost:8080/api/chat/sessions?userId=user123&sessionType=DIAGNOSIS"

# 发送消息
curl -X POST "http://localhost:8080/api/chat/messages" \
  -H "Content-Type: application/json" \
  -d '{"sessionId":"session-id","content":"我有头痛症状","needDiagnosis":true}'

# 获取系统状态
curl -X GET "http://localhost:8080/api/chat/status"
```

### 文件上传测试
```bash
# 上传医学文件
curl -X POST "http://localhost:8080/api/files/upload" \
  -F "file=@test-report.pdf" \
  -F "messageId=message-123"
```

## 🔗 团队协作

### 当前状态
- ✅ **Java后端框架**：完成基础架构和API设计
- ✅ **React前端界面**：完成聊天界面和文件上传功能
- ⏳ **Python数据采集**：等待团队成员完成
- ⏳ **Python数据处理**：等待团队成员完成
- ⏳ **Python模型训练**：等待团队成员完成

### 集成计划
1. **数据采集模块集成**：HIS系统、PACS系统、设备数据接口
2. **数据处理模块集成**：多模态对齐、特征提取、知识注入
3. **模型推理模块集成**：LLaMA-Med模型、RAG系统、不确定性量化

### 接口规范
- **HTTP API**：RESTful风格，JSON数据格式
- **文件接口**：支持DICOM、PDF、图片等医学文件格式
- **数据格式**：统一的数据结构和错误处理机制

## 📝 开发注意事项

1. **医疗数据安全**：遵循HIPAA合规要求，实现数据去标识化
2. **模型可解释性**：提供诊断依据和置信度评估
3. **系统可靠性**：实现错误处理、重试机制和监控告警
4. **用户体验**：响应式设计，支持移动端访问

## 🤝 贡献指南

1. Fork项目到个人仓库
2. 创建功能分支：`git checkout -b feature/new-feature`
3. 提交更改：`git commit -am 'Add new feature'`
4. 推送分支：`git push origin feature/new-feature`
5. 创建Pull Request

## 📄 许可证

本项目采用MIT许可证，详见LICENSE文件。

## 👥 开发团队

- **Java开发**：负责后端架构、API设计、前端界面
- **Python数据采集**：负责HIS/PACS系统集成、设备数据采集
- **Python数据处理**：负责多模态数据处理、特征工程
- **Python模型训练**：负责LLaMA-Med微调、RAG系统构建

---

**注意**：本系统仅供学习和研究使用，不能替代专业医疗诊断。在实际医疗环境中使用前，需要经过严格的临床验证和监管审批。