一、项目演示视频

b站演示视频与部署教程视频(点击这里)
https://www.bilibili.com/video/BV1BKJK6wEkJ/?share_source=copy_web&vd_source=31c839f46a9a845dd6dd641cbd5c2ac1

项目简介

本项目是一个面向医疗健康知识诊断领域的智能问答系统，采用前后端分离架构，集成 GraphRAG（图检索增强生成）技术。系统通过 Neo4j 构建疾病、症状、诊断步骤、治疗步骤、医疗设备、临床指标等实体的知识图谱，结合大语言模型实现精准的知识检索与自然语言问答，并支持文档管理、疾病知识档案、诊断记录管理及知识图谱可视化等功能，为医疗健康知识诊断提供智能化知识服务。

二、技术栈

1. 前端技术栈 (web-vue)
   核心框架: Vue 3.5 + TypeScript 5.7
   UI组件库: Element Plus 2.9
   数据可视化: ECharts 5.6
   状态管理: Pinia
   路由管理: Vue Router 4
   构建工具: Vite 6.1
   HTTP客户端: Axios
   Markdown渲染: Marked
   样式: SCSS

2. 后端技术栈 (web-flask)
   核心框架: Flask (Python)
   数据库: SQLite 3
   图数据库: Neo4j 5.28
   大语言模型: 通义千问 API (qwen3.6-plus 文本模型 + qwen3-vl-flash 多模态模型)
   依赖库: Flask-CORS + PyJWT + python-docx + pdfplumber + openpyxl + neo4j-driver

三、功能模块

核心创新点

1. 知识图谱驱动：使用 Neo4j 构建医疗健康诊断领域复杂实体关系网络（18种实体类型、20种关系类型）
2. GraphRAG 技术：三路并行检索（知识图谱 Top-7 + 疾病知识 Top-5 + 诊断记录 Top-5），结合图谱提升问答准确性
3. 智能三元组提取：使用 LLM 从文档中自动提取<头实体, 关系, 尾实体>三元组，多线程并发加速
4. 多模态问答：支持上传疾病图片进行识别和问答（qwen3-vl-flash 模型）
5. 知识图谱可视化：ECharts 力导向图交互展示，支持节点/关系类型过滤、1-3跳邻居搜索
6. 异步图谱构建：支持全量重建与增量构建，任务异步执行并实时查询进度
7. 文档溯源：每个知识三元组关联源文档 ID，支持知识追溯
8. 疾病全链路管理：疾病知识档案与诊断病例记录一体化管理，支持多图上传与多维度统计

核心功能模块

1. 用户管理：用户注册登录、分权管理、个人信息与管理员操作
2. 文档管理：多格式上传、浏览搜索、CRUD、目录管理、MD5 去重
3. 智能问答与会话：GraphRAG 三路检索、多轮对话、多模态问答、会话与导出
4. 知识图谱管理：全量/增量构建、三元组提取、异步任务、节点搜索、文档溯源
5. 知识图谱可视化：ECharts 力导向图、类型过滤、邻居搜索、布局切换
6. 疾病知识管理：疾病档案 CRUD、图片上传、搜索筛选、统计分析
7. 诊断记录管理：诊断记录 CRUD、多图上传、关联疾病、多维度统计
8. 数据统计：用户数、文档数、会话数、问答记录数、疾病数、诊断记录数及趋势可视化

应用场景

1. 疾病诊疗路径知识查询：快速检索诊断步骤、治疗步骤及相关检查设备、临床指南
2. 疾病诊断标准咨询：查询临床指标、检验项目、诊断规范等专业知识
3. 诊断病例追溯：通过疾病知识档案和诊断记录快速定位病例信息、审核状态
4. 专业知识文档管理：上传和管理医疗健康相关技术文档，自动构建知识图谱
5. 医学知识学习辅助：通过智能问答快速了解医疗健康诊断领域专业知识

四、项目链接

羊羊小栈-基于GraphRAG的医疗健康知识诊断系统(Neo4j_大语言模型).zip
链接: https://pan.baidu.com/s/1eOJDNOUo6GPfjZUJlkGayg?pwd=cdmi 提取码: cdmi

1. 完整系统源码
   (1)前端源码(web-vue)
   (2)后端和算法端源码(web-flask)
2. 项目启动教程
   (1)环境安装教程(视频+文档)
   (2)系统启动教程(视频+文档)
3. 项目文档
   (1)系统介绍文档
   (2)数据库开发文档
   (3)API 接口文档
   (4)系统使用注意事项
4. 系统PPT
   (1)系统架构图
   (2)数据流图
   (3)逻辑时序图
   (4)功能模块概要图、功能模块图
   (5)知识图谱构建流程图
   (6)GraphRAG 检索模块流程图
   (7)数据库 ER 图