项目成员：张丽红

指导教师：王美琴，武晓峰（企业导师）

作品简介：本项目基于 SSM + 深度学习搭建阿尔兹海默症脑部 MRI 影像辅助诊断系统，面向普通用户与医疗机构管理人员。前端采用 uni-app 小程序、Vue3 管理后台，后端依托 Spring Boot 开发业务接口，通过 Flask 独立部署 ResNet 残差网络推理服务。系统实现 MRI 影像上传 AI 诊断、历史检测记录查询、阿尔兹海默科普管理、认知自评问卷四大核心功能。依托公开脑影像数据集完成图像降噪、配准、数据增强等预处理，基于迁移学习训练多分类模型，测试集综合准确率达 87.3%。系统可快速给出患病风险与诊疗建议，缓解临床医师诊断压力，为基层医疗机构提供轻量化早期筛查工具。

图1 体系结构图        图2 系统E-R图

图3 作品展示图         图4 作品展示图 

项目创新点：

（1）技术创新：采用前后端与 AI 推理服务分离架构，SSM 业务层与 Flask 深度学习服务解耦，模型迭代不影响业务系统运行，扩展性更强；优化 ResNet 迁移学习方案，搭配多维度 MRI 数据增强、Adam 自适应优化与早停策略，解决医学影像样本量不足问题，提升轻度认知障碍识别精度；标准化 MRI 预处理流水线，集成降噪、空间配准、尺寸归一化模块，统一输入图像标准，降低设备成像差异对模型的干扰。

（2）应用创新：轻量化普惠筛查：以微信小程序为用户载体，普通用户可自主上传脑部影像完成 AI 初筛，打破专业设备、场地限制；筛查 + 自评一体化：融合 MRI 影像智能诊断与认知评估问卷，从影像病理、主观认知双维度综合评估患病风险；医普辅助服务：配套科普文章管理模块，面向中老年群体普及阿尔兹海默预防知识，实现筛查、科普、干预指导一体化服务；后台数据可视化管理，支持管理员按时间、风险等级筛选用户检测数据，为区域老年认知健康统计提供数据支撑。