diff --git a/患者列表处理/工作流_Gitea版.md b/患者列表处理/工作流_Gitea版.md new file mode 100644 index 0000000..af98231 --- /dev/null +++ b/患者列表处理/工作流_Gitea版.md @@ -0,0 +1,203 @@ +# HIS 患者列表 OCR 归档工作流 + +这是可提交到 Gitea 的无密钥版本。不要在本文件中写入腾讯云密钥、数据库密码、Gitea 密码或患者处理结果。 + +## 目标 + +把 HIS 患者列表截图整理为结构化患者记录,并同步到 PostgreSQL 的 `"Patient_Lists"` 单表。 + +最终数据库只保留正式查看和追溯需要的信息: + +- 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` + +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。 + +## 目录结构 + +- `待处理-患者目录图片集群/`:尚未处理的 HIS 图片批次。 +- `已处理-患者目录图片集群/`:已经完成处理的原始图片批次。 +- `数据处理工作区/`:程序、科室规则、数据库结构、说明文档。 +- `数据处理结果区/已处理-患者目录图片集群/`:各批次本地处理结果。 +- `数据处理结果区/信息记录/`:全局信息记录、批次汇总、待处理盘点等。 + +仓库只提交程序和文档。图片、OCR 缓存、处理结果、人工修正数据都应被 `.gitignore` 排除。 + +## 关键文件 + +1. `数据处理工作区/01_科室分类规则.json` +2. `数据处理工作区/02_患者列表OCR归档.py` +3. `数据处理工作区/03_人工复核修正.template.json` +4. `数据处理工作区/04_合并批次结果.py` +5. `数据处理工作区/05_同步PostgreSQL单表.py` +6. `数据处理工作区/06_PostgreSQL建表结构.sql` +7. `数据处理工作区/07_处理程序说明.md` +8. `数据处理工作区/08_PostgreSQL调整Patient_Lists列顺序.sql` + +本地实际使用时,可以从模板复制出 `数据处理工作区/03_人工复核修正.json`。这个文件可能包含患者信息,不提交到 Git。 + +患者列表字段顺序固定为: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。 + +## 处理前准备 + +安装依赖: + +```bash +python3 -m pip install pillow +psql --version +``` + +设置腾讯云 OCR 环境变量: + +```bash +export TENCENTCLOUD_SECRET_ID='填入腾讯云 SecretId' +export TENCENTCLOUD_SECRET_KEY='填入腾讯云 SecretKey' +``` + +OCR 接口使用腾讯云 `RecognizeTableAccurateOCR` 表格识别 V3: + +- 表格识别 V3 文档:https://cloud.tencent.com/document/product/866/86721 + +## 处理一个批次 + +示例批次名用 `批次文件夹名` 表示: + +```bash +python3 数据处理工作区/02_患者列表OCR归档.py \ + --input "待处理-患者目录图片集群/批次文件夹名" \ + --output "数据处理结果区/已处理-患者目录图片集群/批次文件夹名-列表归档结果" \ + --ocr-engine table-v3 \ + --batch-size 6 \ + --image-padding-y 24 \ + --workers 1 \ + --folder-workers 2 \ + --timeout 90 \ + --max-retries 1 +``` + +推荐正式处理优先使用 `--batch-size 6`。程序会根据行数校验和接口错误自动降到 4/3/2/单张;降档会增加调用次数,但能降低漏行风险。 + +处理完成后检查: + +- `患者列表_结构化.json` +- `患者列表_记录.csv` +- `复核报告.json` +- `重复住院号报告.json` +- `信息记录/汇总.json` + +## 复核规则 + +推荐使用 Docker 化网页端进行复核和抽查: + +```bash +cd 人工复核网页端 +docker compose up -d --build +``` + +网页端包含概览、复核、抽查、设置四个区域;抽查功能使用 Kimi 多模态模型,配置项通过 `.env` 或网页端设置页提供,不在 Gitea 文档中保存密钥。 + +`review_status` 常见值: + +- `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`。 +- `需人工复核`:程序无法可靠判断,需要人工查看图片和记录,原因写在 `review_notes`。 + +`出院时间` 允许为空;若填写出院时间,则需要满足标准时间格式,且不应早于入院时间。PostgreSQL 约束会阻止“入院时间晚于出院时间”却仍被标记为通过的记录。 + +人工修正流程: + +1. 打开该批次的 `复核报告.json`。 +2. 根据 `图片路径` 和 `图片内行号` 回看原图。 +3. 把确认后的患者字段写入 `数据处理工作区/03_人工复核修正.json`。 +4. 使用缓存重建批次: + +```bash +python3 数据处理工作区/02_患者列表OCR归档.py \ + --input "待处理-患者目录图片集群/批次文件夹名" \ + --output "数据处理结果区/已处理-患者目录图片集群/批次文件夹名-列表归档结果" \ + --ocr-engine table-v3 \ + --batch-size 6 \ + --image-padding-y 24 \ + --workers 1 \ + --folder-workers 2 \ + --rebuild-from-cache +``` + +## 合并所有批次 + +```bash +python3 数据处理工作区/04_合并批次结果.py +``` + +输出包括: + +- `数据处理结果区/合并_患者列表_结构化.json` +- `数据处理结果区/合并_患者列表_记录.csv` +- `数据处理结果区/信息记录/全局汇总.json` +- `数据处理结果区/信息记录/批次汇总.csv` +- `数据处理结果区/信息记录/重复住院号报告.json` + +## 同步 PostgreSQL + +设置数据库环境变量: + +```bash +export HIS_DB_HOST='数据库主机' +export HIS_DB_PORT='5432' +export HIS_DB_NAME='数据库名' +export HIS_DB_USER='数据库用户' +export HIS_DB_PASSWORD='填入数据库密码' +``` + +同步: + +```bash +python3 数据处理工作区/05_同步PostgreSQL单表.py +``` + +核对: + +```sql +SELECT count(*) FROM "Patient_Lists"; +SELECT review_status, manual_corrected, count(*) FROM "Patient_Lists" GROUP BY review_status, manual_corrected; +SELECT inpatient_no FROM "Patient_Lists" GROUP BY inpatient_no HAVING count(*) > 1; +``` + +`"Patient_Lists"` 是带大小写的 PostgreSQL 表名,查询时必须加双引号。 + +## 处理完成后 + +确认批次结果和数据库无误后,将原始图片批次移动到: + +```bash +mv "待处理-患者目录图片集群/批次文件夹名" "已处理-患者目录图片集群/" +``` + +## Gitea 提交 + +当前 HIS 备份仓库位于 `HIS数据处理` 根目录,远端地址为: + +```text +https://gitea.huijutec.cn/admin/HIS.git +``` + +提交前检查不要包含数据和密钥: + +```bash +cd /home/wkmgc/Desktop/HIS数据处理 +git status --short --ignored +git diff --cached --name-only +git grep -n -I -E 'Secret|PASSWORD|密码|192\.168\.|/home/wkmgc|HIS_List' -- . || true +``` + +提交患者列表处理相关内容: + +```bash +git add .gitignore 患者列表处理/.env.example 患者列表处理/README.md 患者列表处理/工作流_Gitea版.md 患者列表处理/人工复核网页端 患者列表处理/数据处理工作区 +git commit -m "Update HIS patient list workflow" +git push origin main +``` + +不要提交 `.env`、`工作流_本地使用版.md`、`数据处理结果区/`、`待处理-*`、`已处理-*`、人工修正实数据或任何患者原始文件。