7.1 KiB
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
数据处理工作区/01_科室分类规则.json数据处理工作区/02_患者列表OCR归档.py数据处理工作区/03_人工复核修正.template.json数据处理工作区/04_合并批次结果.py数据处理工作区/05_同步PostgreSQL单表.py数据处理工作区/06_PostgreSQL建表结构.sql数据处理工作区/07_处理程序说明.md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：
python3 -m pip install pillow
psql --version
设置腾讯云 OCR 环境变量：
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：
处理一个批次
示例批次名用 批次文件夹名 表示：
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：
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：
- 打开该批次的
复核报告.json。 - 根据
图片路径和图片内行号回看原图。 - 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。 - 使用缓存重建批次：
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
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：
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：
python3 数据处理工作区/05_同步PostgreSQL单表.py
核对：
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：
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：
https://gitea.huijutec.cn/admin/HIS.git
提交前检查不要包含数据和密钥：
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：
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。