本项目是一个融合深度学习与知识图谱的智能医疗辅助系统，专注于眼底疾病诊断与医疗知识问答。系统基于ODIR-5k眼底影像数据集构建，包含正常与白内障两类共5000张高分辨率眼底照片，采用分层抽样划分为训练集（70%）、验证集（15%）和测试集（15%）。使用TensorFlow框架并行训练了ResNet-18和MobileNet-V1两种网络模型，通过数据增强（随机旋转、亮度调整）和迁移学习策略，在测试集上均达到95%的分类准确率，其中MobileNet-V1模型经过量化后体积缩小75%，更适合边缘设备部署。知识图谱模块采用Neo4j图数据库构建，整合了包含症状、治疗、药物等关系的医疗知识图谱，支持多跳查询和语义推理。系统前端使用Django框架开发，实现用户人脸注册/登录（基于FaceNet模型）、眼底图像上传、实时预测（集成双模型投票机制）和可视化报告生成。创新性地将诊断结果与KGQA系统联动，当检测到白内障阳性时自动触发知识图谱查询，返回个性化的治疗建议和预防措施。医疗问答模块采用BERT+图注意力网络的混合模型，同时支持文本回答和语音合成播报（接入Azure TTS服务），对常见眼科问题的回答准确率达到88%。系统特别设计了医生审核环节，可疑病例会自动标记并加入人工复核队列，确保医疗安全。该项目已在本地医院试运行，显著提升了基层医疗机构的眼底筛查效率，平均诊断时间从15分钟缩短至2分钟，同时通过知识图谱为患者提供即时的健康教育，形成"检测-诊断-咨询"的闭环服务。未来计划扩展至糖尿病视网膜病变等更多眼底疾病的识别，并开发移动端应用惠及更多人群。
联系我时，请说是在杭州含情网络技术有限公司看到的，谢谢！
