基于多模态知识图谱的智能糖尿病问答系统产品系统

糖尿病是全球四大慢性疾病之一，传统健康管理平台在知识更新、智能问答和个性化指导方面存在显著不足。为解决糖尿病患者在疾病认知、用药指导及生活干预中的信息滞后和回答不精准问题，本项目基于“多模态知识图谱 + 大语言模型”技术，构建一个具备医学实体识别、意图理解、知识查询与个性化问答能力的智能健康管理系统，为医生和患者提供权威、实时的医学知识服务与交互平台。

系统主要由七大功能模块组成：

聊天窗口管理：支持多对话并行处理与上下文隔离；

模型选择：用户可在百川2-13B与Qwen2.5模型间自由切换；

实体识别结果查看：精准识别疾病、药物、症状等医学实体；

意图识别结果查看：自动分析用户提问意图并映射到查询模板；

知识库关联信息展示：提供医学文献、药理说明等可溯源资料；

知识图谱编辑：支持Neo4j图形化节点增删改查；

系统环境配置：支持本地或云端GPU部署，支持多用户并发访问。
系统实现了糖尿病知识的结构化管理与智能问答服务，极大提升医疗信息交互效率与准确性。

项目基于 PyTorch 深度学习框架开发，采用 LoRA 微调技术 优化医学实体识别模型，使用 Qwen2.5 实现意图分类。后端以 FastAPI + Neo4j + MySQL 构建知识图谱与数据存储层，前端基于 Vue3 + WebSocket 实现实时交互。系统共整合 22,050 个医学实体，支持三层路径查询与动态知识节点扩展。
项目重点与难点包括：多模态数据融合、意图识别模型精调、图数据库性能优化及可视化知识编辑实现。最终实现智能医疗问答、知识溯源及知识动态更新，为医疗AI提供可复用的知识图谱架构方案。