医疗业务

简介: 111

中山积水潭骨科医院

开发周期:2022年03月 - 至今

技术架构:SpringBoot + MyBatis-Plus + MySQL + Redis + Spring Cloud

Alibaba + RabbitMQ + Seata

项目描述:受中山市积水潭骨科医院所托,打造的一款线上服务小程序。小程序集挂

号、缴费和报告查询等功能于一体,旨在帮助患者更快捷、高效地获取医疗服务。

个人职责:

预约挂号模块:用户可以方便地在小程序上选择医院、科室和医生,并预约就诊时

间。预约成功后用户会收到确认短信通知,提供便捷的预约体验。

自助缴费模块:用户能够便捷地缴纳就诊费用,无需排队等待或亲自前往缴费处,

提升就诊流程的效率。

住院金预缴模块:用户可以在小程序选择预缴金额并完成支付,提前了解和规划自

己的住院医疗费用,确保在住院就诊前准备充足的医疗资金。

报告查询模块:用户能够直接在小程序上查询就诊报告,同时提供将检查报告保存

到手机相册的功能,方便患者随时查看和咨询


项目名称:中山市第一人民医院-HIS 系统

开发环境:idea, JDK1.8, Tomcat, Maven, MySql,Linux;

技术架构:SpringCloudAlibaba+SpringBoot+Mybatis-plus +Redis+RabbitMQ+Seata

项目描述:中山市第一人民医院上线了我们公司的 HIS 系统,整个患者门诊就诊流程与住院流程

1.门诊挂号模块:使用 XXL-JOB 实现定时任务自动生成下个月的排班信息。

2.使用 Redis 存储排班信息,减少对 DB 库的 IO 开销。

3.门诊药房:使用悲观锁的是患者 ID,解决多台电脑对同一个用户操作的线程安全问题。


项目名称:中山大学孙逸仙纪念医院-HIS 系统(住院)

开发环境:idea, JDK1.8, Tomcat, Maven, MySql,Linux;

技术架构:SpringCloudAlibaba+SpringBoot+Mybatis-plus +Redis+RabbitMQ+XXL_JOB

项目描述:孙逸仙纪念医院住院模块、病历归档模块是由我们负责的,门诊模块是由北大医信的厂家负责的

1对接处方点评系统:使用 OpenFegin 实现对接第三方系统

2、入院申请:患者交了押金后,我使用了 RabbitMQ 会发送患者入院信息到 MQ 队列中,实现了与住院服务解耦合

3、在住院模块,我使用的了 XXL_JOB 任务调度框架,来实现了定时自动凌晨对患者前一天的床位费与住院诊查费进行记费处理

4、医务科通知功能开发:因为通知是在每个医生登录系统都需要展示出来。我采用了 Redis 缓存存储医务科更新通知内容与行医规范,采用的是普通 String 数据类型。且我采用 MQ 异步方式来进行同步数据的一致性。保证了可用性与最终数据的一致性。


项目名称:广州中医药大学第一附属医院-HIS 系统

开发环境:idea, JDK1.8, Tomcat, Maven, MySql,Linux;

技术架构:SpringCloudAlibaba+SpringBoot+Mybatis-plus +Redis+RabbitMQ

项目描述:当时我主负责是孙逸仙纪念医院,因为广州中医药大学第一医院要上线,临时委派我去现场技术支持,只简单做了一些需求。

1、住院护士分床功能:这里我使用了 synchronized 锁患者 ID,对患者分床操作加锁,这样就避免了多个护士对同一个患者重复进行分床操作。

2、在患者入院成功后,我会时候把患者的基本信息存放到 Redis 缓存数据库里减轻数据库的压力,采用 Hash结构,key 存当前病区编码,hashKey 存放患者的住院号与住院次数、value 存放患者的基本信息,为了保持患者信息的强一致性,转科的时候会采用的 Redisson 实现的读写锁,这样避免了脏读与脏写的情况发生。

3、出院记费功能开发:在患者出院的时候,需要再把患者的未执行的执行单明细数量、是否为执行的医技、未完成的手术申请


相关文章
|
8月前
|
运维 关系型数据库 Linux
Linux 高效学习指南:从入门到运维的科学路径
本文介绍Linux运维学习的科学路径,主张“场景驱动”替代死记硬背。涵盖四大阶段:一周掌握核心命令,两周理解系统原理与故障排查,两周实战部署LNMP服务,长期进阶自动化运维。强调动手实操、问题驱动与循序渐进,提供各阶段目标、任务与资源推荐,助你高效构建完整知识体系,成为实战型运维人才。
|
5月前
|
机器学习/深度学习 人工智能 数据可视化
基于YOLO11的交通违规检测系统(Python源码+数据集+Pyside6界面)
本文基于YOLO11构建交通违规检测系统,涵盖23类目标(车辆、信号灯、标志等),详解数据制作(ROI裁剪优化尺度)、模型改进(C3k2、C2PSA、轻量Detect头)及训练可视化全过程,并集成PySide6实现GUI应用,助力工业落地。
859 12
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
构建AI智能体:九十、图解大模型核心三大件 — 输入编码、注意力机制与前馈网络层
本文深入解析了大模型三大核心技术:输入编码、多头自注意力机制和前馈网络层,从应用视角阐述了它们的工作原理和协同效应。输入编码负责将文本转换为富含语义和位置信息的数学表示;多头自注意力机制通过多专家团队模式建立全局依赖关系,解决长距离依赖问题;前馈网络层则通过非线性变换进行深度语义消歧。文章通过可视化示例展示了词向量的语义关系建模、注意力权重的分布模式以及前馈网络的语义过滤功能,形象地说明了大模型如何通过这三层架构实现"广泛联系-深度加工"的认知过程。
438 5
|
6月前
|
人工智能 缓存 Java
[大模型实战 03预备] 云端炼丹房 1:Google Colab 上手指南
本文教你用免费Google Colab(Tesla T4 GPU)解决本地显存不足、无法运行7B+大模型的痛点;通过挂载Google Drive持久化保存模型,避免运行时重置丢失;手把手配置云端环境,为后续RAG实战打下坚实基础。(239字)
[大模型实战 03预备] 云端炼丹房 1:Google Colab 上手指南
|
7月前
|
监控 搜索推荐 物联网
一文读懂LoRA微调原理:大模型高效适配的核心逻辑
通过冻结大模型参数、仅训练少量低秩矩阵,实现高效微调:成本低、周期短、不破坏通用能力。适配医疗、金融等垂直场景,支持多任务复用与边缘部署,成为大模型落地首选技术。
一文读懂LoRA微调原理:大模型高效适配的核心逻辑
|
7月前
|
人工智能 弹性计算 应用服务中间件
阿里云轻量服务器 Moltbot 部署方案步骤流程:5 分钟启用 AI 个人助理
想要体验热门开源AI工具Moltbot(原Clawdbot),无需花费高价购置Mac mini等硬件设备。阿里云轻量应用服务器已正式上线Moltbot官方镜像,实现全流程快速部署,5分钟即可启动使用。该方案已打通千问大模型、钉钉、iMessage等核心功能,为用户提供便捷、稳定的AI个人助理解决方案。
1066 8
|
6月前
|
人工智能 运维 数据库
一文读懂向量数据库:从核心概念到实际应用
本文精析向量数据库核心能力、优势(毫秒级相似检索、原生支持非结构化数据)与痛点(精度/效率难兼得、成本高、运维复杂),对比Milvus/Chroma/FAISS等开源方案及Pinecone/Zilliz商业产品,提供AI开发者高效选型指南。(239字)
|
机器学习/深度学习 监控 算法
基于mediapipe深度学习的手势数字识别系统python源码
本内容涵盖手势识别算法的相关资料,包括:1. 算法运行效果预览(无水印完整程序);2. 软件版本与配置环境说明,提供Python运行环境安装步骤;3. 部分核心代码,完整版含中文注释及操作视频;4. 算法理论概述,详解Mediapipe框架在手势识别中的应用。Mediapipe采用模块化设计,包含Calculator Graph、Packet和Subgraph等核心组件,支持实时处理任务,广泛应用于虚拟现实、智能监控等领域。
|
8月前
|
缓存 前端开发 安全

热门文章

最新文章