admin/HIS
1
1
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
7e329f1d8598f0a792f111db22e9d5a48a2e3f99
HIS/患者首页处理/工作流_Gitea版.md

12 KiB
Raw Blame History

患者首页 PDF 处理工作流_Gitea版

Gitea 仓库

仓库地址：

https://gitea.huijutec.cn/admin/HIS_Front_Page.git

仓库只保存程序、文档和配置说明。不要提交原始 PDF、处理结果、明文密码、.env 文件，也不再提交加密本地工作流压缩包。

仓库内容

README.md
工作流_Gitea版.md
数据可视化网页端/.env.example
数据可视化网页端/Dockerfile
数据可视化网页端/docker-compose.yml
数据可视化网页端/README.md
数据可视化网页端/app/
数据处理工作区/01_配置规则/01_科室分类规则.json
数据处理工作区/02_解析入库/02_患者首页PDF解析与入库.py
数据处理工作区/03_人工复核/03_人工复核导出与回写.py
数据处理工作区/04_质量体检/04_字段核验与数据库体检.py
数据处理工作区/05_备用读取/05_备用PDF转Markdown_Mineru.py
数据处理工作区/06_图片对照核验/06_PDF转图片与对照核验.py
数据处理工作区/07_Kimi视觉兜底/07_Kimi图片识别辅助.py

PostgreSQL 存储约定

目标数据库：

主机/IP: DB_HOST
端口: 5432
数据库名: DB_NAME
用户名: DB_USER
表名: Patient_FrontPages

脚本会在首次写入时自动创建或迁移表 "Patient_FrontPages"。表是宽表结构，payload 中的顶层信息会展开为独立列；不再保存 payload、parsed_at、created_at、updated_at。

脚本会为表和全部字段写入 PostgreSQL 注释，数据库客户端中可直接查看每列含义。

网页端会按需在主表中创建两个 JSONB 日志列：

  • review_logs：记录人工保存时间、修改字段、修改前后值和人工备注。
  • audit_logs：记录抽查来源、抽查状态、抽查备注和更新时间。

历史辅助表 "Patient_FrontPages_review_logs"、"Patient_FrontPages_audit_logs" 会自动迁移进主表并删除，最终只保留 "Patient_FrontPages" 一张业务表。

核心列包括：

  • inpatient_no：患者号/住院号，作为首页与患者列表联动唯一键；这是本程序唯一强制校验条件，不能为空。程序不校验格式，同一非空患者号只允许一条首页，迁移时保留最新记录，后续同号入库或网页写入会覆盖旧首页。
  • source_file：PDF 文件名；重复运行以 inpatient_no 为准更新。
  • medical_record_no：10 位病案号，文本保存，保留前导 0。
  • front_page_medical_record_no：10 位首页病案号，文本保存，保留前导 0。
  • patient_name、gender、birth_date、id_card_no 等基本信息列。
  • admission_time、discharge_time、primary_diagnosis、total_cost 等业务字段列。
  • major_department：根据 数据处理工作区/01_配置规则/01_科室分类规则.json 从出院科别优先、入院科别兜底映射出的大科室。
  • discharge_diagnoses、operations、fee_details：复杂明细仍以 JSONB 保存；出院诊断已包含主要诊断和其他诊断，不再单独保存 other_diagnoses。
  • quality_status、quality_notes：程序质控结果。
  • text_extraction_method：本次使用的文本抽取方式，如 pdftotext 或 mineru_markdown。
  • mineru_markdown_dir：Mineru Markdown 输出目录。
  • review_status：auto_pass、auto_corrected 或 needs_review。
  • review_notes：需要复核的原因。
  • manual_corrected：人工是否已修正，默认 false。
  • auto_corrections：程序自动修正记录。
  • review_logs、audit_logs：网页端人工复核与抽查归类记录。
  • raw_text：PDF 抽取出的原始文本。

Patient_Lists 会自动增加并维护 has_front_page、front_page_id、front_page_source_file。首页 inpatient_no 非空时，PostgreSQL 触发器按 Patient_FrontPages.inpatient_no = Patient_Lists.inpatient_no 联动；列表没有对应患者号时会自动补建列表记录，并写入主要诊断、入院时间和出院时间；患者号重复时以唯一键覆盖更新，保证一个患者号只有一个病案首页。空患者号记录会在迁移和入库时被删除，PGSQL 会阻止再次写入空患者号。删除首页记录，或把首页 inpatient_no 改成其他患者号时，旧患者号的 has_front_page 会自动回落为 false 并清空首页引用。若同一患者号姓名不一致，以首页表中的非空姓名覆盖 Patient_Lists.patient_name；已有列表记录的诊断和入出院时间不被首页联动覆盖。患者号格式核验交由患者目录核验网页端处理。

病案号规则：

  • 住院号 = ZY + 住院次数 2 位 + 首页病案号 10 位，例如 ZY020001447443。
  • 0001906820 是合法 10 位病案号，前导 0 不能删除。
  • 若 PDF 首页病案号少前导 0，但文件名可还原，例如 ZY020001447443_ori.pdf 中可得到 0001447443，脚本会把 PDF 值 01447443 自动修正为 0001447443，并记录到 auto_corrections。

从 Gitea 拉取后运行

  1. 克隆仓库：

    git clone https://gitea.huijutec.cn/admin/HIS_Front_Page.git
cd HIS_Front_Page

  2. 准备目录：

    mkdir -p 待处理-患者首页PDF 数据处理结果区 已处理-患者首页PDF

  3. 放入 PDF：

    待处理-患者首页PDF/

  4. 本地生成 CSV/JSON：

    python3 数据处理工作区/02_解析入库/02_患者首页PDF解析与入库.py

    默认使用 --text-source auto：先用 pdftotext，若读取结果异常再调用 Mineru。需要强制 Mineru 时：

    python3 数据处理工作区/02_解析入库/02_患者首页PDF解析与入库.py \
  --text-source mineru \
  --mineru-url "http://MINERU_HOST:4000/extract"

    也可以先单独转 Markdown：

    python3 数据处理工作区/05_备用读取/05_备用PDF转Markdown_Mineru.py \
  -s 待处理-患者首页PDF \
  -t 数据处理结果区/06_Mineru_MD \
  -u "http://MINERU_HOST:4000/extract"

  5. 正式处理并写入 PostgreSQL：

    export PGPASSWORD='请填写数据库密码'
python3 数据处理工作区/02_解析入库/02_患者首页PDF解析与入库.py \
  --write-postgres \
  --pg-host DB_HOST \
  --pg-port 5432 \
  --pg-database DB_NAME \
  --pg-user DB_USER \
  --pg-table Patient_FrontPages
unset PGPASSWORD

  6. 生成 PDF 图片对照核验页：

    python3 数据处理工作区/06_图片对照核验/06_PDF转图片与对照核验.py --force

    输出位于：

    数据处理结果区/06_PDF图片对照/图片/
数据处理结果区/06_PDF图片对照/患者首页_PDF图片对照.html
数据处理结果区/06_PDF图片对照/患者首页_PDF图片对照索引.csv

    HTML 对照页用于人工左侧看首页图片、右侧看结构化字段；CSV 索引用于快速筛出核心缺项、建议核对缺项和已有复核状态。

  7. 启动可视化网页端：

    docker compose -f 数据可视化网页端/docker-compose.yml up -d --build

    浏览器打开：

    http://localhost:8501

    首次进入会显示登录界面；默认管理员为 admin，默认密码为 change-me。设置页创建的本地用户会同步作为登录账号，并按权限控制各页面。

    页面顶部显示数据库连接状态、总记录数、需复核数、PDF 数量；顶部页签包括概览、复核、抽查、抽查一览、设置，设置内合并用户与权限、数据库状态和目录信息。复核页默认进入“全部复核数据”，包含需复核、自动修正、已人工复核/已人工修改；左侧选择病例，中间查看 PDF，右侧以表格方式编辑摘录字段。点击“复核并保存”后会同步写回 PostgreSQL，把 manual_corrected 标记为 true，自动把 review_status 标记为 reviewed；Patient_Lists.has_front_page/front_page_id/front_page_source_file 由数据库触发器按住院号自动维护。

    复核提示会定位到右侧模块和字段：需要核对的位置标红，无关模块默认收起。人工备注下方会显示修改记录表，主表 review_logs 记录修改时间、修改字段、修改前后值和人工备注。

    抽查页可从已人工复核或自动通过记录中随机抽样；右侧和复核页一样显示并可编辑全部结构化信息，下方有人工备注和修改记录。随机抽取不会写入“待抽查”记录，只有点击“归类通过并保存”“归类异常并保存”“归类不确定并保存”后，才把通过、异常、不确定记录写入主表 audit_logs；抽查一览展示修改内容、人工备注和更新时间。

    PDF 以 inline 方式展示，不再作为附件触发保存。浏览器内核不能彻底禁止用户保存已展示内容。

  8. 可选 Kimi 视觉兜底：

    python3 数据处理工作区/07_Kimi视觉兜底/07_Kimi图片识别辅助.py \
  --case ZY010001672803_ori \
  --page page-001.png

    Kimi 调用需要本地 .env 中配置 MOONSHOT_API_KEY。该步骤只在人工触发时上传指定图片，输出到 数据处理结果区/07_Kimi视觉识别/，默认不直接覆盖 PostgreSQL。

审核流程

每批数据处理后执行：

sed -n '1,50p' 数据处理结果区/04_复核与人工校正/患者首页_复核清单.csv

如果复核清单为空，仍建议抽查：

  • 数据处理结果区/01_结构化结果/患者首页_结构化结果.csv
  • 数据处理结果区/02_单份JSON/
  • 数据处理结果区/03_提取文本/
  • 数据处理结果区/06_PDF图片对照/患者首页_PDF图片对照.html
  • 数据处理结果区/06_PDF图片对照/患者首页_PDF图片对照索引.csv
  • http://localhost:8501 可视化网页端

如果出现新模板、扫描件、字段错位、少项漏项或手术操作跨行异常，把对应 PDF 文件名、抽取文本、图片对照索引中的缺项提示交给 Codex 继续补规则。

PostgreSQL 人工复核流程

  1. 导出待复核表：

    export PGPASSWORD='请填写数据库密码'
python3 数据处理工作区/03_人工复核/03_人工复核导出与回写.py export \
  --pg-host DB_HOST \
  --pg-port 5432 \
  --pg-database DB_NAME \
  --pg-user DB_USER \
  --pg-table Patient_FrontPages
unset PGPASSWORD

  2. 打开 数据处理结果区/04_复核与人工校正/患者首页_人工复核表.csv，人工填写这些列：

    manual_review_notes
corrected_medical_record_no
corrected_patient_name
corrected_major_department
corrected_primary_diagnosis
corrected_primary_diagnosis_code
corrected_total_cost
corrected_self_pay_amount
mark_review_status

  3. 回写 PostgreSQL：

    export PGPASSWORD='请填写数据库密码'
python3 数据处理工作区/03_人工复核/03_人工复核导出与回写.py import \
  --pg-host DB_HOST \
  --pg-port 5432 \
  --pg-database DB_NAME \
  --pg-user DB_USER \
  --pg-table Patient_FrontPages
unset PGPASSWORD

回写后，程序会更新可修正字段，并把 manual_corrected 标记为 true；manual_review_notes 会追加进入 review_notes。

  1. 做数据库体检：

    export PGPASSWORD='请填写数据库密码'
python3 数据处理工作区/04_质量体检/04_字段核验与数据库体检.py \
  --pg-host DB_HOST \
  --pg-port 5432 \
  --pg-database DB_NAME \
  --pg-user DB_USER \
  --pg-table Patient_FrontPages
unset PGPASSWORD

体检输出：

数据处理结果区/05_质量体检/患者首页_数据库体检报告.txt
数据处理结果区/05_质量体检/患者首页_字段空值统计.csv
数据处理结果区/05_质量体检/患者首页_疑似异常记录.csv

提交规则

提交到 Gitea 前务必检查：

git status --short

不应出现这些内容：

  • 待处理-患者首页PDF/
  • 数据处理结果区/
  • 已处理-患者首页PDF/
  • .env
  • 含真实密码的环境文件
  • 明文 工作流_本地使用版.md

可以提交：

  • 脚本
  • 01_~0X_ 前缀的工作区文件
  • README
  • Gitea 工作流文档
  • 不含密码的配置模板

依赖说明：

  • 主解析脚本使用 Python 标准库和系统命令 pdftotext/pdftoppm。
  • Mineru 备用读取单独需要 python3 -m pip install requests。
  • Docker 网页端依赖写在 数据可视化网页端/Dockerfile 中，不再维护独立 requirements.txt。

本地工作流

明文 工作流_本地使用版.md 只用于本机执行，不提交到 Gitea；加密压缩包已从仓库删除，后续不再维护该 zip。

Reference in New Issue View Git Blame Copy Permalink