基于目前医疗行业对于人工智能辅助诊断的需求，公司致力于打造一款通过实时采集医疗超声影像， 基于深度学习的方式，对实时采集的每一帧图像进行推理分析，快速诊断患者病灶信息的产品。 该产品意在帮助医生快速诊断病灶信息，根据图像以及病灶数据结合临床医学知识快速给出诊疗意见 项目职责 1：负责公司超声实时辅助诊断系统软件代码结构的设计以及后续新需求的迭代开发。 2：根据新的业务需求，持续完善代码结构 3：负责封装一些开发过程中应用到的公共组件。 4：完成算法接口的对接。 5：负责数据库的表结构的设计。 6：负责数据库接口的设计与实现。 7：负责对开发过程中碰到的相关难点进行攻坚。 8：配合完成硬件的部署工作，规范输出部署文档，提高前场实施的效率。 9：配合完成 jenkins 自动编译打包，统一出版路径，减小发版风险 10：参与讨论一些需求的设计，使其更加合理，使用更加流畅。 11：负责代码版本的管理，使用迭代版本分支管理的方式对代码进行统一管理，每次迭代结束，分支代码必须合并到主干，并且打好基线，才开始下一次迭代。

该平台主要采用b/s架构，web端采用vue3框架进行页面开发，后端主要采用golang作为主体进行接口实现。服务数据存储主要使用mysql。 主要功能模块大致分为：登录，工作站主页，超声检查数据查询，数据下载，数据统计分析，系统设置等。 后端接口主要采用restful api的风格进行设计开发，主要使用的中间件包括：http web框架（gin），配置文件读写（viper），数据库操作（gorm），操作日志写入（lumberjack），接口检验（go-playground/validator），api访问控制（JWT）

该平台主要是以运动数据管理为背景，采用b/s架构进行开发。后端采用golang为主体进行微服务搭建，底层数据存储采用mysql。后端的文件服务采用了开源项目SeaweedFS，极大方便了后端的文件管理。前端主要采用vue3进行页面设计开发。前后端通信采用http/https。还有涉及到设备端的通信，采用物联网MQTT协议进行数据传输！后端与web有一些涉及到状态更新的问题也是采用MQTT的方式进行通知。