Import sanitized HIS processing tools

患者列表处理/数据处理工作区/07_处理程序说明.md

@@ -0,0 +1,72 @@
+# 患者列表归档处理程序说明
+
+## 工作区文件
+
+1. `01_科室分类规则.json`：大科室、子科室、文件夹别名归类规则。
+2. `02_患者列表OCR归档.py`：单个图片集群的 OCR、字段清洗、去重、复核报告生成程序。
+3. `03_人工复核修正.json`：少量无法靠规则自动判断的人工修正项，可能包含患者信息，不提交到 Git。
+4. `04_合并批次结果.py`：合并所有 `*-列表归档结果`，生成全局 JSON/CSV 和 `信息记录`。
+5. `05_同步PostgreSQL单表.py`：把合并结果同步到 PostgreSQL 的 `"Patient_Lists"` 单表。
+6. `06_PostgreSQL建表结构.sql`：数据库单表结构、索引、表注释、字段注释。
+7. `07_处理程序说明.md`：当前说明。
+8. `08_PostgreSQL调整Patient_Lists列顺序.sql`：保留数据的前提下，把现有 `"Patient_Lists"` 物理列顺序调整为当前字段顺序。
+9. `09_PostgreSQL住院号非空唯一约束.sql`：删除住院号为空的记录，重复住院号保留最新一条，并让 PostgreSQL 强制住院号不能为空且唯一。
+
+## 智能体处理顺序
+
+1. 检查待处理批次目录和图片数量。
+2. 必要时更新 `01_科室分类规则.json` 的别名。
+3. 运行 `02_患者列表OCR归档.py` 处理一个批次。
+4. 查看 `复核报告.json` 和 `重复住院号报告.json`。
+5. 若有需人工复核项，优先补自动清洗规则；仍不能自动判断时，写入 `03_人工复核修正.json`。
+6. 用 `--rebuild-from-cache` 重建该批次结果，确认复核项和重复住院号符合预期。
+7. 运行 `04_合并批次结果.py` 更新全局 `信息记录`。
+8. 运行 `05_同步PostgreSQL单表.py` 同步到 PostgreSQL。
+9. 导入 PostgreSQL 后查询记录数、需复核记录数、重复住院号组数。
+
+## 人工复核网页端
+
+- 代码目录：`人工复核网页端/`。
+- 启动方式：`cd 人工复核网页端 && docker compose up -d --build`。
+- 登录配置从项目根目录 `.env` 读取：`REVIEW_APP_USERNAME`、`REVIEW_APP_PASSWORD`、`REVIEW_APP_SECRET_KEY`、`REVIEW_APP_PORT`。
+- 网页端读取各批次 `复核报告.json`，按原始图片路径与图片内行号裁剪截图；住院号不能为空且唯一，格式是否规范交由人工复核时判断。
+- 保存修订后写入 `数据处理工作区/03_人工复核修正.json`，并尽量同步 PostgreSQL；若 PostgreSQL 暂不可用，会保留待同步状态，之后可在网页端点击“提交待同步”。
+- 出院时间默认允许为空；确有出院时间时，网页端和处理程序会校验时间格式以及是否早于入院时间。
+- 页面包含概览、复核、抽查、抽查查看、设置区域；抽查功能可随机抽取患者行，调用 Kimi 多模态模型二次核验，并把 AI 反馈、机器判断、人工抽查结论写入 PostgreSQL。
+
+## 识别策略
+
+- OCR 接口：腾讯云 `RecognizeTableAccurateOCR` 表格识别 V3。
+- 新批次拼接图默认给每张原图上下各加 `24px` 白色边界，减少贴边表格行被裁掉或和相邻图片粘连的概率。
+- 正式处理优先用 6 张拼接；接口超时、失败或行数偏少时，程序会自动降到 4/3/2/单张。
+- 行数校验：按图片高度推断应有行数，返回行数偏少即判定该拼接档位不可靠。
+- 漏行不一定只发生在最上方或最下方两行；长拼接图中间也可能漏行，白边只能缓解贴边问题。
+- 同一科室内会记忆稳定回退档位；跨科室不共享该记忆，避免重建历史缓存时误用。
+- 只用缓存重建时，若前序回退策略需要的缓存不完整，会先尝试该组主缓存，避免因缓存形态不同造成少行。
+- 字段顺序固定为：姓名、性别、年龄、住院号、诊断、入院时间、最后书写时间、住院天数、出院时间、手术后天数。
+- 字段清洗包含日期规范化、住院号常见误识别修正、长诊断吞入入院时间、空时间字段导致列左移、`后XX天` 错位等。
+
+## 住院号核验规则
+
+- `住院号` 是唯一强制校验条件：不能为空且全库唯一。
+- 单批次、全局合并和 PostgreSQL 同步都会剔除住院号为空的记录；重复住院号按后出现记录覆盖先出现记录；格式异常但非空的住院号保留。
+- 网页端保存时优先按图片路径和图片内行号定位数据库记录；如果当前住院号已存在于另一条记录，会用当前修订覆盖既有住院号记录，并删除当前重复图片记录。
+- 数据库约束允许 `出院时间` 为空；若入院时间和出院时间均为标准格式且入院时间晚于出院时间，该记录必须标记为 `需人工复核`。
+
+## PostgreSQL 单表字段
+
+`"Patient_Lists"` 只保留正式查看和追溯需要的字段：
+
+- 数据定位：`batch_name`、`source_folder`、`image_path`、`image_name`、`image_row_no`
+- 科室信息：`major_department`、`sub_department`
+- 患者信息：姓名、性别、年龄、住院号、诊断、入院时间、最后书写时间、住院天数、出院时间、手术后天数
+- 复核信息：`review_status`、`review_notes`、`manual_corrected`
+- 抽查信息：`audit_result`、`audit_ai_feedback`、`audit_manual_feedback`、`audit_machine_verdict`、`audit_source`、`audit_checked_by`、`audit_checked_at`
+
+复核状态含义：
+
+- `自动复核通过`：OCR 结果经过程序规则校验后没有发现明显异常，`manual_corrected=false`。
+- `人工复核通过`：该行命中了 `03_人工复核修正.json` 中的人工修正项，修正后校验通过，`manual_corrected=true`。
+- `AI修改-待确认`：网页端 Kimi 辅助生成的草稿状态，不会被待同步流程写入 PostgreSQL，需人工保存确认。
+
+OCR 请求号、OCR 缓存路径、拼接图路径、拼接组号等中间态字段不进入数据库正式表。