SpringBoot+Vue全栈实战：构建多模态疾病初筛与护理建议系统

在医疗健康与AI深度融合的浪潮下，如何利用多模态大模型快速搭建一套疾病初筛与护理建议系统？本文基于SpringBoot与Vue，结合通义千问多模态能力，从架构设计、数据库建模到核心代码实现，完整拆解这一全栈项目的落地路径，为前端与后端开发者提供可复用的工程方案。

一、项目定位与技术选型

本系统的核心链路非常清晰：用户上传症状图片并辅以文字描述，服务端调用多模态AI模型完成初筛推理，最终返回结构化的风险等级、护理建议、下一步行动指引及免责声明。同时，系统还需支撑问诊历史分页检索、TXT/PDF报告导出，以及管理员运营看板等功能。

在技术选型上，后端采用SpringBoot快速构建REST API，配合MyBatis实现SQL精细控制，MySQL负责结构化数据存储。报告生成选用iTextPDF，支持中文字体嵌入与医院风格模板。AI能力层接入通义千问多模态模型，实现图片与文本的联合理解。

Spring Boot 3.3.5
MyBatis 3.0.4
MySQL 8.x
RestTemplate（调用千问接口）
iTextPDF（生成PDF报告）
Jackson（JSON解析/序列化）

对于前端开发者而言，虽然本项目以Vue为前端框架，但其设计思想同样适用于React或Angular。理解后端接口契约与数据流，是UI开发与前端工具链高效协作的基础。

[AFFILIATE_SLOT_1]

二、系统架构与角色用例

系统整体分为五层：表现层（Controller，负责请求接收与鉴权）、业务层（Service，核心业务编排）、数据访问层（Mapper+XML，SQL执行与聚合统计）、数据层（MySQL+本地文件目录）、外部能力层（Qwen API多模态推理）。

角色方面，系统定义了普通用户、管理员与外部AI服务三类。普通用户可完成注册登录、提交问诊、查看记录、导出报告及个人统计；管理员则聚焦运营看板，查看用户量、问诊量、趋势与风险分布。

非功能性需求同样关键：接口响应统一格式、异常可区分、图片安全落盘防路径穿越、AI返回不稳定时有兜底结构化结果、报告支持中文字体跨平台可读。这些约束直接影响了后续的代码实现策略。

三、数据库设计与核心表结构 ✅

数据库设计围绕三张核心表展开：用户表（user_account）、会话表（user_session）与问诊记录表（consultation_record）。

user_account
id：主键
username：登录名（唯一）
password_hash：密码哈希
nickname：昵称
role：角色（USER/ADMIN）
created_at：创建时间
user_session
id：主键
user_id：用户ID
token：登录token（唯一）
expire_at：过期时间
created_at：创建时间
consultation_record
id：主键
user_id：用户ID
nickname：本次问诊昵称
question_text：问题描述
image_url：图片访问路径
preliminary_assessment：初筛结论
risk_level：风险等级（LOW/MEDIUM/HIGH）
nursing_advice：护理建议（JSON数组字符串）
next_step：下一步建议
disclaimer：免责声明
raw_answer：AI原始响应文本
created_at：创建时间

ER关系上，用户与会话为一对多，用户与问诊记录同样为一对多。这种设计既保证了数据隔离，又便于后续统计聚合。

四、核心业务流程拆解（泳道图+时序图）

系统包含四条核心流程，每条流程都涉及前端、后端、数据库与外部服务的协作。

流程一：注册/登录/会话鉴权。用户输入账号密码后，后端校验格式（用户名4-20位字母数字下划线，密码6-32位），使用SHA-256 + salt生成密码摘要。登录成功后生成超长token（两个UUID去横杠拼接），写入user_session。每次鉴权先清理过期会话，再校验token与角色。

在这里插入图片描述

流程二：提交问诊并生成初筛结果。接收multipart表单（question + image (+ nickname)），校验问题描述长度≤500、图片类型为image/*。图片落盘uploads，生成publicUrl（前端展示）与dataUrl（AI传图）。构造多模态提示词调用Qwen，解析返回JSON；若解析失败则走fallback（默认中风险+默认护理建议），完整记录落库并返回详情。

在这里插入图片描述

流程三：导出报告（TXT+PDF）。按consultationId + userId查记录防止越权。TXT拼接结构化文本；PDF包含封面页、内容页、问诊图片嵌入、头脚部（报告编号、分页、生成时间）及中文字体嵌入。

在这里插入图片描述

流程四：管理员看板统计。指标口径包括：totalUsers（总用户数）、totalConsultations（总问诊数）、recent7DaysConsultations（近7天问诊量）、activeUsers（近30天活跃用户）、riskDistribution（风险等级分布）、dailyTrends（按日趋势，空白天补0）、topUsers（问诊量TOP用户）。

在这里插入图片描述

五、关键代码实现与API设计

以下代码均来自本项目后端，按模块截取关键片段。

在密码安全方面，系统不保存明文密码，比较时比较hash值：

public String hash(String password) {
MessageDigest digest = MessageDigest.getInstance("SHA-256");
String raw = password + "#" + appProperties.getAuth().getPasswordSalt();
byte[] bytes = digest.digest(raw.getBytes(StandardCharsets.UTF_8));
return HexFormat.of().formatHex(bytes);
}

登录鉴权核心逻辑中，每次鉴权会先做过期会话清理，减轻脏数据积累：

public UserAccount requireUser(String authorization) {
String token = extractToken(authorization);
LocalDateTime now = LocalDateTime.now();
userSessionMapper.deleteExpired(now);
UserSession session = userSessionMapper.selectByToken(token);
if (session == null || session.getExpireAt() == null || !session.getExpireAt().isAfter(now)) {
throw new UnauthorizedException("登录状态已失效，请重新登录");
}
UserAccount userAccount = userAccountMapper.selectById(session.getUserId());
if (userAccount == null) {
throw new UnauthorizedException("用户不存在，请重新登录");
}
return userAccount;
}

图片存储与安全处理方面，同一份图片输出两个地址，publicUrl给前端展示，dataUrl供AI调用：

public StoredImage store(MultipartFile imageFile) {
String contentType = imageFile.getContentType() == null ? "" : imageFile.getContentType().toLowerCase(Locale.ROOT);
if (!contentType.startsWith("image/")) {
throw new BusinessException("仅支持图片文件");
}
byte[] imageBytes = imageFile.getBytes();
String filename = FORMATTER.format(LocalDateTime.now()) + "-" + UUID.randomUUID().toString().replace("-", "") + extension;
Path target = uploadPath.resolve(filename);
Files.write(target, imageBytes, StandardOpenOption.CREATE_NEW);
String dataUrl = "data:" + contentType + ";base64," + Base64.getEncoder().encodeToString(imageBytes);
String publicUrl = "/uploads/" + filename;
return new StoredImage(publicUrl, dataUrl);
}

多模态AI调用时，提示词强约束JSON格式，便于后端结构化入库：

String prompt = "你是医学初筛与护理建议助手。请结合图片和问题做初步分析，不要做确诊。"
+ "请严格返回 JSON，字段如下："
+ "{\"preliminaryAssessment\":\"\",\"riskLevel\":\"LOW|MEDIUM|HIGH\",\"nursingAdvice\":[\"\"],\"nextStep\":\"\",\"disclaimer\":\"\"}"
+ "。nursingAdvice 至少给 3 条，语言用简体中文。";

AI返回解析与兜底逻辑确保即使AI输出偏离预期，也能返回可用结果而不是直接失败：

private AiStructuredResult buildStructuredResult(String contentText) {
String cleaned = stripCodeFence(contentText);
String jsonSegment = extractJsonSegment(cleaned);
if (!StringUtils.hasText(jsonSegment)) {
return buildFallback(contentText);
}
try {
JsonNode jsonNode = objectMapper.readTree(jsonSegment);
// ...读取字段并标准化 riskLevel
} catch (Exception ex) {
return buildFallback(contentText);
}
}

创建问诊主流程代码如下：

public ConsultationDetailResponse createConsultation(Long userId, String nickname, String question, MultipartFile image) {
ImageStorageService.StoredImage storedImage = imageStorageService.store(image);
AiStructuredResult aiResult = qwenAiService.analyze(question.trim(), storedImage.getDataUrl());
ConsultationRecord record = new ConsultationRecord();
record.setUserId(userId);
record.setQuestionText(question.trim());
record.setImageUrl(storedImage.getPublicUrl());
record.setPreliminaryAssessment(aiResult.getPreliminaryAssessment());
record.setRiskLevel(aiResult.getRiskLevel());
record.setNursingAdvice(toJson(aiResult.getNursingAdvice()));
record.setRawAnswer(aiResult.getRawText());
consultationRecordMapper.insert(record);
ConsultationRecord saved = consultationRecordMapper.selectById(record.getId(), userId);
return toResponse(saved);
}

统计SQL涵盖分页检索、风险分布与趋势查询：

<select id="selectPage" resultMap="consultationRecordMap">
  SELECT id, user_id, nickname, question_text, image_url, preliminary_assessment,
  risk_level, nursing_advice, next_step, disclaimer, raw_answer, created_at
  FROM consultation_record
  <where>
    user_id = #{userId}
      <if test="keyword != null and keyword != ''">
      AND (
      question_text LIKE CONCAT('%', #{keyword}, '%')
      OR preliminary_assessment LIKE CONCAT('%', #{keyword}, '%')
      )
    </if>
  </where>
  ORDER BY created_at DESC
  LIMIT #{size} OFFSET #{offset}
</select>

<select id="dailyTrend" resultType="com.medical.screening.dto.DailyTrendItem">
  SELECT DATE_FORMAT(created_at, '%Y-%m-%d') AS day, COUNT(1) AS count
  FROM consultation_record
  WHERE created_at >= CONCAT(#{startDay}, ' 00:00:00')
  GROUP BY DATE_FORMAT(created_at, '%Y-%m-%d')
  ORDER BY day ASC
</select>

全局异常统一返回，前端只需按code做分支处理：

@ExceptionHandler(UnauthorizedException.class)
public ApiResponse<Void> handleUnauthorizedException(UnauthorizedException ex) {
  return ApiResponse.fail(4010, ex.getMessage());
  }
  @ExceptionHandler(BusinessException.class)
  public ApiResponse<Void> handleBusinessException(BusinessException ex) {
    return ApiResponse.fail(4001, ex.getMessage());
    }

API设计上，统一返回格式如下：

{
"code": 0,
"message": "ok",
"data": {},
"timestamp": "2026-02-19T11:00:00"
}

鉴权接口包括注册、登录、获取当前用户与退出登录：

POST /api/auth/register

{
"username": "test_user",
"password": "Test123456",
"nickname": "测试用户"
}

POST /api/auth/login

{
"username": "test_user",
"password": "Test123456"
}

GET /api/auth/me

Authorization: Bearer <token>

POST /api/auth/logout

Authorization: Bearer <token>

问诊接口涵盖创建、分页、详情、统计与报告导出：

POST /api/consultations

multipart/form-data

question：必填

image：必填

nickname：选填

GET /api/consultations?page=1&size=10&keyword=咳嗽

GET /api/consultations/{id}

GET /api/consultations/statistics

GET /api/consultations/{id}/report

GET /api/consultations/{id}/report/pdf

首页与管理端接口：

GET /api/home/overview

GET /api/home/highlights

GET /api/admin/dashboard?days=14（需ADMIN）

错误码约定：4000（参数错误）、4001（业务异常）、4010（未登录/登录失效）、4030（无权限）、5000（系统异常）。

前端页面截图与替换对应表：

编号	章节位置	页面实际名称（建议）	建议文件名
S01	5.1.3	用户端-登录页	S01-用户端-登录页.png
S02	5.1.3	用户端-注册页	S02-用户端-注册页.png
S03	5.2.4	用户端-智能问诊页-症状输入	S03-用户端-智能问诊页-症状输入.png
S04	5.2.4	用户端-智能问诊页-图片上传预览	S04-用户端-智能问诊页-图片上传预览.png
S05	5.2.4	用户端-问诊结果页-风险与护理建议	S05-用户端-问诊结果页-风险与护理建议.png
S06	5.3.3	用户端-问诊详情页-导出入口	S06-用户端-问诊详情页-导出入口.png
S07	5.3.3	用户端-PDF报告预览页	S07-用户端-PDF报告预览页.png
S08	5.4.3	管理端-运营看板页-核心指标卡片	S08-管理端-运营看板页-核心指标卡片.png
S09	5.4.3	管理端-运营看板页-趋势与风险分布	S09-管理端-运营看板页-趋势与风险分布.png
S10	7.7	用户端-首页概览页	S10-用户端-首页概览页.png
S11	7.7	用户端-问诊记录列表页	S11-用户端-问诊记录列表页.png
S12	7.7	用户端-问诊记录详情页	S12-用户端-问诊记录详情页.png
S13	7.7	用户端-个人中心页	S13-用户端-个人中心页.png
S14	7.7	用户端-个人统计页-风险分布图	S14-用户端-个人统计页-风险分布图.png
S15	7.6	接口调试页-注册登录与问诊接口	S15-接口调试页-注册登录与问诊接口.png
S16	7.6	接口返回示例页-问诊详情JSON	S16-接口返回示例页-问诊详情JSON.png
S17	8.5	测试验证页-Postman集合	S17-测试验证页-Postman集合.png
S18	8.5	测试验证页-MySQL数据校验	S18-测试验证页-MySQL数据校验.png
S19	9.6	部署架构页-前后端与MySQL	S19-部署架构页-前后端与MySQL.png
S20	9.6	运行验证页-后端服务日志	S20-运行验证页-后端服务日志.png

[AFFILIATE_SLOT_2]

六、测试、部署与安全优化

测试用例设计覆盖鉴权、问诊、报告导出与管理端四大场景：

用例ID	场景	输入	预期
AUTH-01	注册成功	合法用户名密码	返回 token + 用户信息
AUTH-02	重复用户名	同一 username 二次注册	code=4001
AUTH-03	密码太短	5位密码	code=4001
AUTH-04	未登录访问	无 Authorization	code=4010
AUTH-05	普通用户访问管理员接口	USER token 调用 dashboard	code=4030

用例ID	场景	输入	预期
CON-01	正常提交	合法图片+问题	创建成功并落库
CON-02	非图片文件	txt 文件	code=4001
CON-03	问题过长	>500 字	code=4001
CON-04	AI返回异常结构	模拟无JSON输出	fallback 返回中风险建议
CON-05	越权访问记录	A用户访问B记录id	code=4001/记录不存在

用例ID	场景	输入	预期
REP-01	TXT导出	合法id	返回 fileName + content
REP-02	PDF导出	合法id	返回 fileName + base64
REP-03	图片丢失	image_url 不存在	PDF 文字正常，图片提示跳过

用例ID	场景	输入	预期
ADM-01	days 下限	days=1	实际按7天
ADM-02	days 上限	days=100	实际按30天
ADM-03	趋势补零	某些天无记录	dailyTrends 仍连续

部署环境需JDK 17、MySQL 8.x、Maven 3.8+。初始化数据库执行：

source src/main/resources/db/schema.sql;

配置建议使用环境变量，不要把真实密钥写入仓库：

export DASHSCOPE_API_KEY=your_real_key
export MYSQL_HOST=localhost
export MYSQL_PORT=3306
export MYSQL_DB=medical_screening
export MYSQL_USER=root
export MYSQL_PASSWORD=xxxxxx

启动方式：

mvn clean package -DskipTests
java -jar target/screening-backend-1.0.0.jar

安全方面，已实现密码加盐哈希、token会话过期、USER/ADMIN角色控制、上传文件仅允许image/*、读取图片路径规范化与存在性校验、异常统一处理避免堆栈泄露。

建议继续优化：将token会话迁移至Redis支持多实例、引入JWT+刷新令牌、上传文件增加内容签名与病毒扫描、接口限流（如Bucket4j）、关键审计日志落库、补充自动化测试、AI调用增加重试超时降级与熔断、对application.yml中敏感信息彻底脱敏。

总结：本文完整拆解了基于SpringBoot+Vue的多模态疾病初筛系统，从技术选型、架构分层、数据库设计到四条核心流程与关键代码，覆盖了AI集成、文件安全、报告生成与运营统计等工程要点。对于前端开发者而言，理解后端契约与数据流是高效UI开发的前提；对于全栈团队，这套方案可直接复用并持续优化。

发表于 2026-09-24 22:10 jzssuanfa 阅读(3) 评论(0) 收藏举报

刷新页面返回顶部

SpringBoot+Vue全栈实战：构建多模态疾病初筛与护理建议系统

一、项目定位与技术选型

二、系统架构与角色用例

三、数据库设计与核心表结构 ✅

四、核心业务流程拆解（泳道图+时序图）

五、关键代码实现与API设计

六、测试、部署与安全优化

导航