小新
高级JAVA开发工程师
华为 · 8年经验
日薪：
￥1500/8h
地点：
上海 普陀
时间：
下班后周六周日可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
医疗级 C++ Qt 客户端开发：精通 C++ 及 Qt 框架，具备丰富的医疗级软件开发与临床落地经验。擅长多线程数据处理、实时信号/图像高性能绘制及动态内存优化，能够确保医疗软件在严苛的临床运行环境下具备极高的鲁棒性、实时性与低延迟表现。
多语言后端架构设计：精通 Java（Spring Boot 生态）与 Go 语言（GoFrame 框架），能够根据业务场景进行精准的技术选型与高可用架构搭建。熟练运用 Redis 缓存层进行接口性能调优，具备处理千万级医疗高维特征数据的后端实战经验。
医疗 AI 算法与信号处理：熟练掌握 Python（TensorFlow/Django），在医疗生理信号（如单导联/十二导联心电数据）的获取、解压、波形绘制及疾病分类预测方面有深厚积淀。精通传统机器学习与前沿深度学习框架，主导过 R 点提取、房颤及心梗预测模型的训练与本地化/网络化双模式部署，分类准确率业内领先。
云原生运维与数据库高可用：深谙企业级 DevOps 体系，熟练运用 Docker 及 Harbor 进行容器化部署与镜像治理。精通数据库双机热备架构设计及 Xtrabackup 全量/增量备份策略，保障医疗核心数据的健壮性。擅长使用 Nightingale + categraf 搭建全方位服务器监控系统，具备极强的生产环境排障与救火能力。
多语言后端架构设计：精通 Java（Spring Boot 生态）与 Go 语言（GoFrame 框架），能够根据业务场景进行精准的技术选型与高可用架构搭建。熟练运用 Redis 缓存层进行接口性能调优，具备处理千万级医疗高维特征数据的后端实战经验。
医疗 AI 算法与信号处理：熟练掌握 Python（TensorFlow/Django），在医疗生理信号（如单导联/十二导联心电数据）的获取、解压、波形绘制及疾病分类预测方面有深厚积淀。精通传统机器学习与前沿深度学习框架，主导过 R 点提取、房颤及心梗预测模型的训练与本地化/网络化双模式部署，分类准确率业内领先。
云原生运维与数据库高可用：深谙企业级 DevOps 体系，熟练运用 Docker 及 Harbor 进行容器化部署与镜像治理。精通数据库双机热备架构设计及 Xtrabackup 全量/增量备份策略，保障医疗核心数据的健壮性。擅长使用 Nightingale + categraf 搭建全方位服务器监控系统，具备极强的生产环境排障与救火能力。
项目经验
项目经验一：临床级高可靠性 C++ Qt 医疗软件系统
项目背景：该项目是一款直接应用于临床医疗环境的高精度智能医疗软件。由于直接服务于临床，系统对实时数据采集、波形高频绘制的流畅度以及底层内存控制有着极度严苛的准入标准。
核心贡献：
客户端架构与核心开发：主导客户端的底层架构设计，使用 C++ 与 Qt 框架进行核心模块编写。通过多线程架构隔离数据采集层与 UI 渲染层，完美解决了高频动态数据流输入时界面卡顿的痛点，确保临床数据展示的绝对实时。
内存与稳定性极致优化：针对长期运行可能存在的内存泄漏风险，对底层指针及资源生命周期进行精细化管理，通过严格的压测与代码审计，实现了在复杂临床工况下软件零崩溃、低功耗运行，顺利通过各项合规检测并成功上线投入临床使用。
项目经验二：软硬件一体化心内科健康管理与 AI 心电判读平台
项目背景：该项目是一个涵盖 3 个 App、小程序、Web 端判读平台、PC 端判读软件、5 款医疗硬件（单导联、血压计等）及 AI 判读服务器的超大型、多端协同医疗健康生态系统。
核心贡献：
多端混合架构与技术选型：作为项目经理与核心后端，搭建了高吞吐量的 Java Spring Boot 核心业务中台，并针对高并发接口引入 Redis 缓存优化；同时采用 Python Django 搭建高并发 AI 预测服务器。
AI 算法训练与海量数据通信：利用基于 Java 的 Socket 实现了与第三方硬件服务器的高效心电数据解压与通信。使用 TensorFlow 框架训练十二导联心电疾病分类模型，针对房颤、室早等疾病的分类准确率达到 88% 以上，传统机器学习模型本地化识别准确率达到 95%。
高可用运维保障：设计并实施了数据库双机热备架构，利用 Xtrabackup 落地定期全量/增量备份机制，并基于 Nightingale + categraf 实现了全链路服务器性能与指标监控，后期将全线服务平滑升级为 Docker 容器化集群部署。
项目经验三：国家重点研发计划——移动 PACS 影像与视频重构平台
项目背景：与上海第十人民医院心内科合作的国家重点科研软件项目，旨在通过远程影像调阅、手术视频推送及分级诊疗，解决医疗资源不平衡问题。
核心贡献：
架构全盘重构：从外包公司手中接管 1.0 代码（PHP+Vue2），为提升系统承载力并降低维护成本，独立完成了向 Java 后端加 Nginx 的全面重构，大幅优化了医学影像的调阅性能。
音视频流媒体攻坚：在 Nginx 部署中深度定制了 RTMP 模块，完美对接网络视频编码器硬件，实现了低延迟的手术现场视频直播与远程推送，攻克了弱网环境下大容量医学影像传输中断的技术瓶颈。
项目背景：该项目是一款直接应用于临床医疗环境的高精度智能医疗软件。由于直接服务于临床，系统对实时数据采集、波形高频绘制的流畅度以及底层内存控制有着极度严苛的准入标准。
核心贡献：
客户端架构与核心开发：主导客户端的底层架构设计，使用 C++ 与 Qt 框架进行核心模块编写。通过多线程架构隔离数据采集层与 UI 渲染层，完美解决了高频动态数据流输入时界面卡顿的痛点，确保临床数据展示的绝对实时。
内存与稳定性极致优化：针对长期运行可能存在的内存泄漏风险，对底层指针及资源生命周期进行精细化管理，通过严格的压测与代码审计，实现了在复杂临床工况下软件零崩溃、低功耗运行，顺利通过各项合规检测并成功上线投入临床使用。
项目经验二：软硬件一体化心内科健康管理与 AI 心电判读平台
项目背景：该项目是一个涵盖 3 个 App、小程序、Web 端判读平台、PC 端判读软件、5 款医疗硬件（单导联、血压计等）及 AI 判读服务器的超大型、多端协同医疗健康生态系统。
核心贡献：
多端混合架构与技术选型：作为项目经理与核心后端，搭建了高吞吐量的 Java Spring Boot 核心业务中台，并针对高并发接口引入 Redis 缓存优化；同时采用 Python Django 搭建高并发 AI 预测服务器。
AI 算法训练与海量数据通信：利用基于 Java 的 Socket 实现了与第三方硬件服务器的高效心电数据解压与通信。使用 TensorFlow 框架训练十二导联心电疾病分类模型，针对房颤、室早等疾病的分类准确率达到 88% 以上，传统机器学习模型本地化识别准确率达到 95%。
高可用运维保障：设计并实施了数据库双机热备架构，利用 Xtrabackup 落地定期全量/增量备份机制，并基于 Nightingale + categraf 实现了全链路服务器性能与指标监控，后期将全线服务平滑升级为 Docker 容器化集群部署。
项目经验三：国家重点研发计划——移动 PACS 影像与视频重构平台
项目背景：与上海第十人民医院心内科合作的国家重点科研软件项目，旨在通过远程影像调阅、手术视频推送及分级诊疗，解决医疗资源不平衡问题。
核心贡献：
架构全盘重构：从外包公司手中接管 1.0 代码（PHP+Vue2），为提升系统承载力并降低维护成本，独立完成了向 Java 后端加 Nginx 的全面重构，大幅优化了医学影像的调阅性能。
音视频流媒体攻坚：在 Nginx 部署中深度定制了 RTMP 模块，完美对接网络视频编码器硬件，实现了低延迟的手术现场视频直播与远程推送，攻克了弱网环境下大容量医学影像传输中断的技术瓶颈。
ID:423372
复制
小新
高级JAVA开发工程师 · 8年经验 · 华为
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
医疗级 C++ Qt 客户端开发：精通 C++ 及 Qt 框架，具备丰富的医疗级软件开发与临床落地经验。擅长多线程数据处理、实时信号/图像高性能绘制及动态内存优化，能够确保医疗软件在严苛的临床运行环境下具备极高的鲁棒性、实时性与低延迟表现。
多语言后端架构设计：精通 Java（Spring Boot 生态）与 Go 语言（GoFrame 框架），能够根据业务场景进行精准的技术选型与高可用架构搭建。熟练运用 Redis 缓存层进行接口性能调优，具备处理千万级医疗高维特征数据的后端实战经验。
医疗 AI 算法与信号处理：熟练掌握 Python（TensorFlow/Django），在医疗生理信号（如单导联/十二导联心电数据）的获取、解压、波形绘制及疾病分类预测方面有深厚积淀。精通传统机器学习与前沿深度学习框架，主导过 R 点提取、房颤及心梗预测模型的训练与本地化/网络化双模式部署，分类准确率业内领先。
云原生运维与数据库高可用：深谙企业级 DevOps 体系，熟练运用 Docker 及 Harbor 进行容器化部署与镜像治理。精通数据库双机热备架构设计及 Xtrabackup 全量/增量备份策略，保障医疗核心数据的健壮性。擅长使用 Nightingale + categraf 搭建全方位服务器监控系统，具备极强的生产环境排障与救火能力。
多语言后端架构设计：精通 Java（Spring Boot 生态）与 Go 语言（GoFrame 框架），能够根据业务场景进行精准的技术选型与高可用架构搭建。熟练运用 Redis 缓存层进行接口性能调优，具备处理千万级医疗高维特征数据的后端实战经验。
医疗 AI 算法与信号处理：熟练掌握 Python（TensorFlow/Django），在医疗生理信号（如单导联/十二导联心电数据）的获取、解压、波形绘制及疾病分类预测方面有深厚积淀。精通传统机器学习与前沿深度学习框架，主导过 R 点提取、房颤及心梗预测模型的训练与本地化/网络化双模式部署，分类准确率业内领先。
云原生运维与数据库高可用：深谙企业级 DevOps 体系，熟练运用 Docker 及 Harbor 进行容器化部署与镜像治理。精通数据库双机热备架构设计及 Xtrabackup 全量/增量备份策略，保障医疗核心数据的健壮性。擅长使用 Nightingale + categraf 搭建全方位服务器监控系统，具备极强的生产环境排障与救火能力。
项目经验
项目经验一：临床级高可靠性 C++ Qt 医疗软件系统
项目背景：该项目是一款直接应用于临床医疗环境的高精度智能医疗软件。由于直接服务于临床，系统对实时数据采集、波形高频绘制的流畅度以及底层内存控制有着极度严苛的准入标准。
核心贡献：
客户端架构与核心开发：主导客户端的底层架构设计，使用 C++ 与 Qt 框架进行核心模块编写。通过多线程架构隔离数据采集层与 UI 渲染层，完美解决了高频动态数据流输入时界面卡顿的痛点，确保临床数据展示的绝对实时。
内存与稳定性极致优化：针对长期运行可能存在的内存泄漏风险，对底层指针及资源生命周期进行精细化管理，通过严格的压测与代码审计，实现了在复杂临床工况下软件零崩溃、低功耗运行，顺利通过各项合规检测并成功上线投入临床使用。
项目经验二：软硬件一体化心内科健康管理与 AI 心电判读平台
项目背景：该项目是一个涵盖 3 个 App、小程序、Web 端判读平台、PC 端判读软件、5 款医疗硬件（单导联、血压计等）及 AI 判读服务器的超大型、多端协同医疗健康生态系统。
核心贡献：
多端混合架构与技术选型：作为项目经理与核心后端，搭建了高吞吐量的 Java Spring Boot 核心业务中台，并针对高并发接口引入 Redis 缓存优化；同时采用 Python Django 搭建高并发 AI 预测服务器。
AI 算法训练与海量数据通信：利用基于 Java 的 Socket 实现了与第三方硬件服务器的高效心电数据解压与通信。使用 TensorFlow 框架训练十二导联心电疾病分类模型，针对房颤、室早等疾病的分类准确率达到 88% 以上，传统机器学习模型本地化识别准确率达到 95%。
高可用运维保障：设计并实施了数据库双机热备架构，利用 Xtrabackup 落地定期全量/增量备份机制，并基于 Nightingale + categraf 实现了全链路服务器性能与指标监控，后期将全线服务平滑升级为 Docker 容器化集群部署。
项目经验三：国家重点研发计划——移动 PACS 影像与视频重构平台
项目背景：与上海第十人民医院心内科合作的国家重点科研软件项目，旨在通过远程影像调阅、手术视频推送及分级诊疗，解决医疗资源不平衡问题。
核心贡献：
架构全盘重构：从外包公司手中接管 1.0 代码（PHP+Vue2），为提升系统承载力并降低维护成本，独立完成了向 Java 后端加 Nginx 的全面重构，大幅优化了医学影像的调阅性能。
音视频流媒体攻坚：在 Nginx 部署中深度定制了 RTMP 模块，完美对接网络视频编码器硬件，实现了低延迟的手术现场视频直播与远程推送，攻克了弱网环境下大容量医学影像传输中断的技术瓶颈。
项目背景：该项目是一款直接应用于临床医疗环境的高精度智能医疗软件。由于直接服务于临床，系统对实时数据采集、波形高频绘制的流畅度以及底层内存控制有着极度严苛的准入标准。
核心贡献：
客户端架构与核心开发：主导客户端的底层架构设计，使用 C++ 与 Qt 框架进行核心模块编写。通过多线程架构隔离数据采集层与 UI 渲染层，完美解决了高频动态数据流输入时界面卡顿的痛点，确保临床数据展示的绝对实时。
内存与稳定性极致优化：针对长期运行可能存在的内存泄漏风险，对底层指针及资源生命周期进行精细化管理，通过严格的压测与代码审计，实现了在复杂临床工况下软件零崩溃、低功耗运行，顺利通过各项合规检测并成功上线投入临床使用。
项目经验二：软硬件一体化心内科健康管理与 AI 心电判读平台
项目背景：该项目是一个涵盖 3 个 App、小程序、Web 端判读平台、PC 端判读软件、5 款医疗硬件（单导联、血压计等）及 AI 判读服务器的超大型、多端协同医疗健康生态系统。
核心贡献：
多端混合架构与技术选型：作为项目经理与核心后端，搭建了高吞吐量的 Java Spring Boot 核心业务中台，并针对高并发接口引入 Redis 缓存优化；同时采用 Python Django 搭建高并发 AI 预测服务器。
AI 算法训练与海量数据通信：利用基于 Java 的 Socket 实现了与第三方硬件服务器的高效心电数据解压与通信。使用 TensorFlow 框架训练十二导联心电疾病分类模型，针对房颤、室早等疾病的分类准确率达到 88% 以上，传统机器学习模型本地化识别准确率达到 95%。
高可用运维保障：设计并实施了数据库双机热备架构，利用 Xtrabackup 落地定期全量/增量备份机制，并基于 Nightingale + categraf 实现了全链路服务器性能与指标监控，后期将全线服务平滑升级为 Docker 容器化集群部署。
项目经验三：国家重点研发计划——移动 PACS 影像与视频重构平台
项目背景：与上海第十人民医院心内科合作的国家重点科研软件项目，旨在通过远程影像调阅、手术视频推送及分级诊疗，解决医疗资源不平衡问题。
核心贡献：
架构全盘重构：从外包公司手中接管 1.0 代码（PHP+Vue2），为提升系统承载力并降低维护成本，独立完成了向 Java 后端加 Nginx 的全面重构，大幅优化了医学影像的调阅性能。
音视频流媒体攻坚：在 Nginx 部署中深度定制了 RTMP 模块，完美对接网络视频编码器硬件，实现了低延迟的手术现场视频直播与远程推送，攻克了弱网环境下大容量医学影像传输中断的技术瓶颈。
立即沟通
