https://miracle-techlink.github.io/vivid-aurora-space/zh/tags/full-stack/Full-StackHugo Blox Builder (https://hugoblox.com)zh-HansFri, 01 Aug 2025 00:00:00 +0000https://miracle-techlink.github.io/vivid-aurora-space/media/icon_hu_982c5d63a71b2961.pnghttps://miracle-techlink.github.io/vivid-aurora-space/zh/tags/full-stack/https://miracle-techlink.github.io/vivid-aurora-space/zh/projects/medical-ai/Fri, 01 Aug 2025 00:00:00 +0000https://miracle-techlink.github.io/vivid-aurora-space/zh/projects/medical-ai/<p>从 2024 年 10 月到 2025 年 8 月自研的端到端医疗 AI 平台，涵盖模型训练与产品部署全流程。</p> <p><strong>第一部分 — 多模态医疗大模型：</strong></p> <ul> <li>三阶段微调：医学对齐 → 指令微调与路由 → 领域专家路由</li> <li>CT/MRI 图像与医学文本的跨注意力对齐</li> <li>MoE 式路由：将任务分配至专项专家模块（放射科、临床文本等）</li> <li>架构参考：EMNLP 2024 路由框架</li> </ul> <p><strong>第二部分 — 云端平台：</strong></p> <ul> <li>Coze 多智能体工作流，覆盖用药辅助与健康打卡</li> <li>影像分析 + 报告 OCR 流水线</li> <li>Web 前端：症状分析、药品推荐、健康知识库</li> <li>已部署并获得真实医院反馈验证</li> </ul> <p><strong>反思：</strong> 较早识别出产品市场匹配问题 — 医生信任壁垒与 B2B 医疗变现路径不清晰，是医疗 AI 产品的核心挑战。</p> <p><strong>技术栈：</strong> PyTorch · Transformers · Coze · Vue · 云端部署</p> <hr> <h3 id="模型训练架构">模型训练架构</h3> <figure><img src="https://miracle-techlink.github.io/vivid-aurora-space/projects/medical-ai/arch.png" alt="三阶段微调流程：医学对齐 → 指令微调与路由 → 领域专家路由（参考 EMNLP 2024）。"><figcaption> <p>三阶段微调流程：医学对齐 → 指令微调与路由 → 领域专家路由（参考 EMNLP 2024）。</p> </figcaption> </figure> <hr> <h3 id="coze-多智能体工作流">Coze 多智能体工作流</h3> <figure><img src="https://miracle-techlink.github.io/vivid-aurora-space/projects/medical-ai/coze.png" alt="Coze 多智能体工作流，覆盖用药辅助、健康打卡与领域路由。"><figcaption> <p>Coze 多智能体工作流，覆盖用药辅助、健康打卡与领域路由。</p> </figcaption> </figure> <hr> <h3 id="平台前端">平台前端</h3> <figure><img src="https://miracle-techlink.github.io/vivid-aurora-space/projects/medical-ai/featured.png" alt="智慧医疗AI平台 — 症状分析、药品推荐、影像报告 OCR，已部署并获得医院反馈验证。"><figcaption> <p>智慧医疗AI平台 — 症状分析、药品推荐、影像报告 OCR，已部署并获得医院反馈验证。</p> </figcaption> </figure>