一，调研学习构建DDD架构
与小组组员程前一起调研学习了前端的DDD架构并实际应用到了项目上。
因为之前开发的项目比较简单，可以采用普通的MVC架构模式。但是针对功能较多数据量大较为复杂的项目而言，我们一致觉得DDD架构是低耦合，便于修改测试的，便于开发大项目的合适的架构。因此尽管有一定上手难度，我们调研学习并创新改造了六边形架构（api，app，domain，infrastructure，trigger，type六个模块，分别负责对接接口，应用配置，领域服务设计，基层设计，触发器和基础类型构建）并应用到了我们的项目上。
感悟：尽管刚开始上手的时候对诸多文件名有所疑问，尤其是在学习动态配置和规则树，责任链的时候更是觉得晦涩难懂。但是当充分理解了之后，整个项目架构，什么功能在什么地方，什么文件是管理什么的非常清晰，一目了然。并且想要单独领出一个模块进行检测也十分方便，比如我们就对编写好的数据库方法进行了测试，成功找到并解决了一些问题。
二，数据库设计
针对我们的病患病情分析，病历记录，感知训练，运动训练主要功能，进行了系统合理的数据库设计。充分考虑到了
1.各数据的关键要素和数据之间的依赖关系
2.范式化，确保数据原子性
3.合理的反范式保留合理的查询索引，避免连表查询
暂时先设计了十个数据库表包含主键，外键，索引键。（在项目博客1中有，本文最后也会放一份）
并与组员一起应用到了项目上并且成功测试。
感悟：数据库设计看似都是一些基础的属性，但其实是一个非常考验细心，严谨的工作，比如患者id和患者信息表的id要不要用一个id。我们经过讨论决定采用两个id。因为实际情况中医院所记录的患者的id可能会较长并且有特殊意义（比如代表什么科室）不适宜作为项目的索引来进行查找。因此用自增id作为表的id。再者什么属性可以作为索引，什么属性作为外键，什么属性是冗余属性也都需要细细敲定。在我们的DDD架构中，采用entity和VO来进行值传输，可以将表化整为零，并且因此数据库的修改，不影响我们的服务方法架构。这也是我们架构的优点。尽管如此我们的表仍不完善，会随着开发进行修改完善。
三，大模型微调学习
1.深度学习模型基础学习
学习了模型训练的原理，包括了解数据集，各种线性层，卷积层，池化，归一，dropout的作用。学习率，修正函数，根据epoch调整学习率（如指数下降，三角函数下降等）。
2.针对性调研
我们针对医疗专业领域和心理医疗领域找到了两个数据集。以此来适配我们的产品目标
针对患者的心理医疗需求调研了EmoLLM-database数据集，使得大模型能够以医生的口吻来回答我们的问题。
针对专业医疗需求，调研了medical-o1-reasoning-SFT进行数据训练。使模型在医疗对话中更加专业。
感悟：以前觉得大模型是真有人类的思维，学习后才知道所谓ai思考不过是凑数据凑出来的。AI训练，深度学习的门槛可能并没有那么高，但是能扩展深入的角度相当广阔。之后的开发过程中探究学习率，学习率下降，损失函数，修正函数对模型微调的影响都是可行的方案。
四，附录
1. 患者信息表 (Patient_Info)
| 字段名 | 类型 | 说明 | 示例 |
| patient_id | VARCHAR(36) | 患者唯一标识（UUID） | "a1b2c3d4-..." |
| name | VARCHAR(50) | 姓名 | 张三 |
| gender | CHAR(1) | 性别（M/F/O） | M |
| age | INT | 年龄 | 72 |
| contact | VARCHAR(20) | 紧急联系人电话 | 1385678 |
| medical_history | TEXT | 病史摘要（如高血压、糖尿病等） | "2018年确诊AD，无卒中史" |
| medication | JSON | 当前用药记录（支持动态扩展） | {"药物":"多奈哌齐", "剂量":"5mg/d"} |
2.量表评分表 (Assessment_Scores)
| 字段名 | 类型 | 说明 | 示例 |
| assessment_id | VARCHAR(36) | 评估唯一ID | "b5e6f7g8-..." |
| patient_id | VARCHAR(36) | 关联患者ID | "a1b2c3d4-..." |
| assessment_type | VARCHAR(20) | 量表类型（MMSE/CDR/ADAS-Cog） | "MMSE" |
| score_details | JSON | 结构化评分（支持动态量表） | {"总分":18, "定向力":5} |
| assessment_date | DATE | 评估日期 | 2024-03-15 |
3. 影像资料表 (Imaging_Data)
| 字段名 | 类型 | 说明 | 示例 |
| image_id | VARCHAR(36) | 影像唯一ID | "c9d0e1f2-..." |
| patient_id | VARCHAR(36) | 关联患者ID | "a1b2c3d4-..." |
| modality | VARCHAR(20) | 影像类型（MRI/PET/CT） | "MRI" |
| findings | JSON | 结构化报告（自动提取关键指标） | {"海马体体积": "2.1cm³", "Aβ沉积": "阳性"} |
| file_path | VARCHAR(200) | 影像文件存储路径（加密链接） | "/images/a1b2c3d4/mri_20240315.dcm" |
4. 血液检查表 (Blood_Tests)
| 字段名 | 类型 | 说明 | 示例 |
| test_id | VARCHAR(36) | 检查唯一ID | "d3e4f5g6-..." |
| patient_id | VARCHAR(36) | 关联患者ID | "a1b2c3d4-..." |
| biomarker_type | VARCHAR(30) | 生物标志物类型 | "Aβ42" |
| value | FLOAT | 检测数值 | 450.5 |
| unit | VARCHAR(10) | 单位 | "pg/mL" |
| test_date | DATE | 检测日期 | 2024-03-10 |
5. DeepSeek认知训练表 (Cognitive_Training)
| 字段名 | 类型 | 说明 | 示例 |
| plan_id | VARCHAR(36) | 计划唯一ID | "e7f8g9h0-..." |
| patient_id | VARCHAR(36) | 关联患者ID | "a1b2c3d4-..." |
| training_type | VARCHAR(50) | 训练类型（记忆/注意力/定向力） | "空间记忆训练" |
| difficulty_level | INT | 难度等级（1-5级） | 3 |
| content | TEXT | 训练内容描述（支持多媒体链接） | "虚拟超市购物任务（链接：training_001）" |
| schedule | JSON | 执行计划（频率、时长） | {"频率":"5次/周", "单次时长":"30分钟"} |
6. 运动计划表 (Exercise_Plans)
| 字段名 | 类型 | 说明 | 示例 |
| exercise_id | VARCHAR(36) | 计划唯一ID | "h1i2j3k4-..." |
| patient_id | VARCHAR(36) | 关联患者ID | "a1b2c3d4-..." |
| exercise_type | VARCHAR(50) | 运动类型（有氧/平衡/柔韧） | "太极拳" |
| intensity | VARCHAR(20) | 强度（低/中/高） | "中等" |
| duration | INT | 单次时长（分钟） | 45 |
| safety_rules | TEXT | 禁忌症和注意事项 | "避免快速转身，家属陪同" |
7.训练记录表 (Training_Records)
| 字段名 | 类型 | 说明 | 示例 |
| record_id | VARCHAR(36) | 记录唯一ID | "k5l6m7n8-..." |
| patient_id | VARCHAR(36) | 关联患者ID | "a1b2c3d4-..." |
| plan_id | VARCHAR(36) | 关联训练计划ID | "e7f8g9h0-..." |
| completion_rate | FLOAT | 完成度（0-100%） | 85.0 |
| performance | JSON | 动态指标（如反应时间、错误率） | {"反应时间": "2.3s", "正确率": "78%"} |
| record_date | DATE | 执行日期 | 2024-03-20 |
8. 运动记录表 (Exercise_Records)
| 字段名 | 类型 | 说明 | 示例 |
| record_id | VARCHAR(36) | 记录唯一ID | "n9o0p1q2-..." |
| patient_id | VARCHAR(36) | 关联患者ID | "a1b2c3d4-..." |
| exercise_id | VARCHAR(36) | 关联运动计划ID | "h1i2j3k4-..." |
| heart_rate | INT | 平均心率 | 102 |
| calories | FLOAT | 消耗卡路里 | 250.5 |
| notes | TEXT | 异常情况记录 | "中途头晕，休息5分钟后继续" |
9. 患者病史表 (Exercise_Records)
| 字段名 | 类型 | 说明 | 示例 |
| history_id | VARCHAR(36) | 病史记录唯一ID | "h1i2j3k4-..." |
| patient_id | VARCHAR(36) | 关联患者ID | "a1b2c3d4-..." |
| diagnosis_date | DATE | 诊断日期（支持时间序列分析） | 2020-05-10 |
| condition_name | VARCHAR(100) | 疾病名称（标准化ICD-11编码） | "阿尔茨海默病 (ICD-11: 6D85)" |
| treatment_summary | TEXT | 治疗措施（手术/药物/物理治疗等） | "口服多奈哌齐5mg/d" |
| medical_notes | TEXT | 备注（并发症、疗效、副作用等） | "2021年出现轻度肝功能异常" |
10. 患者用药历史表 (Exercise_Records)
| 字段名 | 类型 | 说明 | 示例 |
| medication_id | VARCHAR(36) | 用药记录唯一ID | "m5n6o7p8-..." |
| patient_id | VARCHAR(36) | 关联患者ID | "a1b2c3d4-..." |
| medication_name | VARCHAR(100) | 药物名称（通用名，如多奈哌齐） | "多奈哌齐" |
| dosage | VARCHAR(50) | 剂量与用法 | "5mg 口服，每日一次" |
| medication_start | DATE | 开始用药日期 | 2020-05-15 |
| medication_end | DATE | 结束用药日期（NULL表示持续使用） | NULL |
| prescription_by | VARCHAR(50) | 处方医生 | "李华（神经内科）" |
文章只用于自我记录和课程检查，无其它目的。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
