news 2026/4/15 8:06:07

【开题答辩全过程】以 基于springboot的智慧医疗服务平台为例,包含答辩的问题和答案

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
【开题答辩全过程】以 基于springboot的智慧医疗服务平台为例,包含答辩的问题和答案

个人简介

一名14年经验的资深毕设内行人,语言擅长Javaphp、微信小程序、PythonGolang、安卓Android

开发项目包括大数据、深度学习、网站、小程序、安卓、算法。平常会做一些项目定制化开发、代码讲解、答辩教学、文档编写、也懂一些降重方面的技巧。

感谢大家的关注与支持!

各位老师好,我是xx同学,本次毕业设计的题目是“基于Spring Boot的智慧医疗服务平台”。系统定位为中小型医院或社区诊所提供一套轻量级线上服务,核心功能包括:患者注册登录、在线预约挂号、电子病历查询、健康档案管理、远程问诊以及后台的科室医生信息维护。技术选型上,后端采用Spring Boot + MyBatis,前端用Vue3,数据库用MySQL,权限用JWT,部署在Docker容器里,整体前后端分离,争取做到“界面简洁、流程顺畅、上线快”。


评委老师:为什么选择Spring Boot而不是别的框架?
答辩学生:我Java基础相对扎实,Spring Boot官方文档全,社区教程多,照着做能跑起来;而且内置Tomcat,本地调试省时间,对我这种基础弱的最友好。


评委老师:系统里哪些数据算“敏感数据”?准备怎么加密?
答辩学生:患者的身份证号、手机号、病历内容算敏感数据。我准备在数据库里用AES对称加密存这些字段,密码放配置文件再配Jasypt,这样即使库被拷走也看不到明文。


评委老师:在线预约挂号怎么防止“黄牛”把号全部抢光?
答辩学生:目前只做到“同一账号30秒内只能提交一次”的简单防抖,再加验证码。我知道这不够,但先把基本流程跑通,后续再研究Redis限流和实名刷脸。


评委老师:健康提醒功能具体怎么提醒?
答辩学生:先只做站内消息和邮件提醒。患者填写健康指标后,系统按医生设定的阈值判断,如果血压超标就发邮件。短信接口要收费,后期再考虑。


评委老师:如果明年(2025年)3月医院要求上线,你现在的进度能赶上吗?
答辩学生:按照老师给的时间表,第9周(2025年4月初)完成核心代码,5月写论文,6月答辩,应该来得及;我会把功能砍成“能跑通”的最小版本,不盲目加需求。


评委老师:做完这个项目你觉得自己最大收获会是什么?
答辩学生:能把课堂里学的Spring、MySQL、Vue真正串起来,体验一次“从0到1”的上线流程,以后找工作面试也能讲得清楚。


评委老师评价:
xx同学选题贴近生活,技术路线清晰,对基础薄弱的同学来说“先跑通再优化”的策略务实可行。下一步重点把敏感数据加密和并发预约的细节再落地,论文注意突出“解决了什么实际问题”。总体开题通过,继续加油。


以上是某同学的毕业设计答辩的过程,如果你现在还没有参加答辩,还是开题阶段,已经选好了题目不知道怎么写开题报告,可以下面找找有没有自己符合自己题目的开题报告内容,列表中的开题报告都是往届真实的开题报告,可发送使用或参考。文末或底部来联xi可免费获取

最后

有时间和有基础的同学,建议自己多花时间找一下资料(开题报告、源码)自己独立完成毕设,需要开题报告内容、源码参考的,可以联xi博主,没有选题的也可以联系我们进行帮你选题定功能和建议

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/12 8:10:02

大模型性能优化:投机解码技术深度解析,值得收藏!

投机解码是提升大模型推理速度的关键方式之一,其优势在于利用 drafter-then-verfiy的范式,很大程度解决了自回归解码一次仅生成一个token的局限,很多推理架构也配置了该特性。本文围绕投机解码主要讨论以下问题: 1)投机…

作者头像 李华
网站建设 2026/4/14 11:17:35

【计算机毕业设计案例】基于springboot的社区居民服务系统的设计与实现居民参与社区活动、完成志愿服务(程序+文档+讲解+定制)

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围:&am…

作者头像 李华
网站建设 2026/4/8 0:26:13

大模型Token生成瓶颈?试试TensorFlow镜像的并行训练方案

大模型Token生成瓶颈?试试TensorFlow镜像的并行训练方案 在大语言模型(LLM)日益渗透到智能客服、代码助手、医疗报告生成等高要求场景的今天,一个现实问题正不断浮现:为什么训练越大的模型,生成下一个Token…

作者头像 李华
网站建设 2026/4/14 9:46:01

如何利用TensorFlow镜像提升大模型Token生成效率?

如何利用TensorFlow镜像提升大模型Token生成效率? 在当前大模型驱动的AI浪潮中,文本生成、对话系统和代码补全等应用对实时性和吞吐量的要求达到了前所未有的高度。一个典型的挑战是:即使训练好的模型具备强大的语言能力,上线后却…

作者头像 李华
网站建设 2026/4/15 5:10:22

【Open-AutoGLM打游戏全解析】:如何用AI大模型实现自动通关与智能决策

第一章:Open-AutoGLM打游戏全解析Open-AutoGLM 是一个基于 AutoGLM 架构的开源项目,专为实现大语言模型在游戏环境中的自主决策而设计。它结合强化学习与自然语言理解能力,使 AI 能够通过文本指令感知游戏状态、制定策略并执行操作。该系统适…

作者头像 李华
网站建设 2026/4/10 14:46:19

Open-AutoGLM环境配置太难?看完这篇立刻上手

第一章:Open-AutoGLM环境配置太难?看完这篇立刻上手 配置 Open-AutoGLM 的开发环境确实让不少开发者望而却步,但只要掌握正确步骤,整个过程可以变得简单高效。本文将带你一步步完成环境搭建,快速进入开发状态。 准备工…

作者头像 李华