Python

Python是一门诞生于1991年的高级、解释型编程语言，由吉多·范罗苏姆创造。其核心设计哲学强调代码的极简性和可读性，尤其依赖清晰的缩进来定义代码结构，这使得它语法接近英语，非常易于学习和使用。作为动态类型语言，它为快速开发和原型设计提供了极大的灵活性，并支持面向对象、命令式、函数式等多种编程范式。Python的巨大优势在于其拥有一个由庞大活跃社区支撑的丰富第三方库生态系统（PyPI），覆盖了几乎所有应用领域：无论是Web开发（Django, Flask）、数据科学（Pandas, NumPy, Matplotlib）、人工智能（TensorFlow, PyTorch）还是自动化脚本和系统运维，都能找到成熟高效的工具库。这种“开箱即用”的特性使其成为解决各类实际问题的“瑞士军刀”，兼具强大的功能与简单的语法。

Python语言框架

开发组织吉多·范罗苏姆

冠脉三维重建项目产品系统

项目核心功能模块覆盖全流程冠脉影像后处理需求：‌基础影像导入解析‌：支持标准DICOM格式冠脉CTA影像的自动导入，完成影像序列校验、参数提取与预处理‌多模式三维重建‌：包含VR容积重建、CPR曲面重建、MIP最大密度投影、钙化积分计算四大核心重建能力，可完整还原冠脉全段血管走行‌智能测量标注‌：支

230C++机器深度学习

消化内镜质量控制18项指标大模型产品系统

面向消化内镜检查报告质量控制场景，实现医疗报告自动解析、关键信息提取及十八项质控指标智能判定，并按照统一结构化格式输出检查结果；同时支持复杂医学文本理解和规则判断，为医院质控人员提供报告审核、问题发现及辅助决策能力。

220Python人工智能

医患沟通智能语音分析与质控平台产品系统Vibe Coding

实时流式通道产出的数据结构与批处理语义一致，可统一纳入历史检索与洞察分析，实现全场景数据统一管理。该平台已在消费级GPU上验证近实时处理可行性，为医疗质量控制、合规审计和随访数据资产化管理提供了可积累、可回溯、可重复挖掘的一体化技术底座。

280Python人工智能

AMAZING PET产品系统

1.自动化数据ETL管线开发：●基于Python开发全链路自动化数据处理脚本，覆盖医学影像TIFF/JPG/NII多格式解析、视频拆帧、图像裁剪压缩、Labelme/YOLO/JSON格式互转，使用YOLOv8完成数据集预标注，大幅降低人工处理成本；●定制医学专用数据计算工具：实现细胞椭圆率拟合、I

350Python人工智能

Hermes医疗辅助系统产品系统Vibe Coding

系统包含六大核心功能模块，覆盖从病历生成到用药安全的全流程临床辅助：【SOAP病历自动生成模块】输入医患对话文本，系统自动提取关键信息，生成符合SOAP格式（Subjective主观信息、Objective客观检查、Assessment评估诊断、Plan治疗计划）的标准化门诊病历。支持入院记录、出院

640C++人工智能

Hermes医疗辅助系统产品系统Vibe Coding

680C++人工智能

脑出血智能化治疗决策与手术规划系统的研发与应用产品系统

面向脑出血临床场景，为医生提供智能化手术决策辅助与三维手术路径规划。系统支持CT影像自动导入与数据清洗，基于深度学习模型完成颅内血肿区域的自动分割与三维可视化重建，辅助医生快速判断出血位置、体积及手术入路。同时支持跨模态影像转换，提升不同设备间影像的一致性。已在实际临床环境中部署试用。

840Python人工智能

分子库智能筛选系统产品系统

本系统是一个预算约束下的化合物库压缩工具，帮助研发团队在有限经费条件下，从大规模候选分子中优先筛选出最有测试价值的化合物。核心功能模块：分子库特征工程模块：批量处理数千至数万个分子的SMILES序列，并行计算Morgan指纹和RDKit全量描述符，输出标准化特征矩阵。风险感知预测模块：基于多层感知机

510Python人工智能

化合物活性预测模型产品系统

本系统是一个基于机器学习的化合物生物活性预测工具，主要服务于药物早期发现阶段的候选分子筛选。核心功能模块：数据预处理模块：自动清洗ChEMBL等公共数据库的原始实验数据，处理缺失值、异常值和重复项，将非标准化的生物活性数据转换为pIC50标准值。分子特征提取模块：支持输入分子的SMILES表达式，自

480Python人工智能

SepsisCare：面向ICU脓毒症风险分层、动态表型学习与多端软件产品系统

SepsisCare是一个从ICU时间序列研究原型扩展到可安装软件系统的课程项目。项目目标不是替代临床诊断，而是在脱敏ICU数据与本地演示模型的基础上，展示脓毒症风险分层、动态表型轨迹、历史相似病例检索、家属沟通智能体与模型训练运维终端的端到端工程闭环。研究部分采用PhysioNet2012、Phy

590Python医疗健康

基于YOLO v11的骨折位置检测系统产品系统

1.X光片智能检测：上传PNG/JPG格式X光片，YOLOv11模型自动识别7个部位并判断正常/骨折，输出置信度2.可视化诊断报告：展示原始影像与AI标注结果，明确标注部位、诊断结论及置信度3.用户角色体系：支持用户、医生、管理员三种角色，管理员可查看统计数据和用户管理4.邮箱验证注册：通过邮箱验证

711Python机器深度学习

整体架构可以理解成一个典型的“云端训练+本地推理部署”的混合系统。训练阶段，所有模型（YOLOv8、YOLOv26、ResNet、MobileNet）都在Python环境里完成训练和评估，并且统一用同一份数据集和相同的数据划分方式，保证对比结果公平。训练完之后，最优模型会被导出成部署格式（比如TFL

910Java机器深度学习

医疗产品智能助手产品系统Vibe Coding

1）AI智能对话模块：接入阿里云通义千问大模型，支持自然语言问答；系统提示词动态注入产品列表和推荐规则；回答控制在150字以内，简洁专业。（2）产品识别与智能推荐模块：多维度产品检测，匹配产品中文名、英文名、关键词别名、症状关键词；用户提问涉及急救场景时，AI回答中自然推荐相关产品。（3）使用步骤多

900Python医疗健康

基于多模态图像异常检测的血管量化方法及成像软件开发产品系统

研究覆盖数据、算法、软件三个层次。数据层，自主开发半自动标注工具（阈值预分割+手工精修），历时约200小时构建了1000组光声内窥血管标注样本，每组含50层深度切片与全局MAP图，填补了该领域公开数据集的空白。算法层，提出DAS-Net（深度自适应采样决策网络），SDN子网络以全局MAP为引导对50

570Python人工智能

基于深度学习的B超手术针尖识别系统产品系统

项目主要包含三大核心功能模块：1.影像预处理模块：对输入的B超影像进行去噪、增强、ROI裁剪等预处理，提升影像质量，为后续识别提供清晰的输入数据；2.针尖检测与定位模块：基于深度学习目标检测算法，自动识别B超影像中的手术针尖，输出针尖的位置坐标与置信度；3.结果可视化模块：在原始B超影像上叠加针尖检

790Python人工智能

《神农本草 —— 基于多模态 AI 的中医养生服务平台》产品系统

舌象智能分析采用ResNet50模型，舌色识别准确率达90%，自动捕捉舌质、舌苔、舌形、齿痕、裂纹等特征，3分钟输出可视化舌诊报告，解读体质关联与调理方向，将中医“望诊”标准化、数字化。九型体质精准检测依据《中医体质分类与判定》国家标准，设置29/58道标准化问卷，自动判定平和质、气虚质、阳虚质等九

2230Java人工智能

AI 医疗健康信息检索 Demo产品系统

系统支持用户输入症状描述，并根据输入内容返回相关健康信息、匹配依据和风险提示。项目包含症状文本识别、关键词匹配、结果卡片展示、风险提醒、任务切换和安全边界说明等功能。系统明确说明结果仅用于健康信息参考，不能替代医生诊断、处方或治疗建议。

770Python企业服务

智能护理产品系统

设备接入模块（MQTT多Broker、多Topic映射，预留TCP接入扩展）、数据标准化与解析模块（按设备类型解析并统一字段）、缓存与状态模块（Redis维护设备实时状态与短时窗口数据）、消息总线与分发模块（RabbitMQ承担原始数据转发、状态分发与二次分发）、数据入库模块（Worker批量消费并

1000Python医疗健康