慢性胰腺炎检验数据自动化分析 Pipeline（检验 + 文献 + 影像 + 综合报告）
全自动医学检验数据分析系统：
- 🔬 自动提取 - 检验报告 OCR 识别
- 📊 智能分析 - 7 张图表可视化
- 📚 文献检索 - PubMed + AI 解读
- 🖼️ 影像检查 - MRI/DICOM 验证
- 📝 综合报告 - 三源一致性评估
- 检验报告图片 OCR 识别
- DICOM 影像解压与重命名
- MRI 文字报告解析
- 患者 ID 脱敏
- 趋势回归、相关性热图
- 炎症评估、异常检测
- 移动平均、变异系数、综合仪表板
- PubMed 自动检索
- DeepSeek AI 循证解读
- Qwen-VL 模型验证 MRI 报告
- 影像与检验数据一致性检查
- 三源一致性评估
- 结构化报告 + 本地归档
git clone https://github.com/nxz1026/Lab-Analysis.git
cd Lab-Analysis
pip install -e .创建 .env 文件：
WORK_ROOT=/path/to/your/work
ZHIPU_API_KEY=your_zhipu_key
DEEPSEEK_API_KEY=your_deepseek_key
DASHSCOPE_API_KEY=your_dashscope_key# 推荐方式
python -m lab_analysis --patient-id YOUR_PATIENT_ID
# 或便捷方式
python run_analysis.py --patient-id YOUR_PATIENT_IDpython -m lab_analysis --patient-id ID --skip-llm # 跳过文献解读
python -m lab_analysis --patient-id ID --skip-imaging # 跳过影像分析
python -m lab_analysis --patient-id ID --skip-ingest # 跳过数据摄入Lab-Analysis/
├── lab_analysis/ # 核心模块
│ ├── pipeline.py # Pipeline 主入口
│ ├── ingest_data.py # 数据摄入
│ ├── data_loader.py # 数据加载
│ ├── data_analyzer.py # 数据分析（7张图表）
│ ├── literature_searcher.py # 文献检索
│ ├── literature_interpreter.py # 文献解读
│ ├── qwen_vl_report_check.py # 影像报告检查
│ ├── gen_final_report.py # 综合报告生成
│ ├── organize_local_files.py # 本地文件组织
│ ├── vision_extractor.py # Vision AI 提取
│ ├── batch_vision_extract.py # 批量视觉提取
│ ├── extract_lab_data.py # 检验数据提取
│ ├── patient_id.py # 患者ID处理
│ └── utils.py # 工具函数
├── raw/ # 原始数据目录
│ └── Origin_data/ # 待处理的原始文件
├── data/ # 分析结果（按患者ID组织）
│ └── {patient_id}/
│ └── {timestamp}/
│ ├── lab_metrics.csv/json # 检验数据
│ ├── fig_01~07.png # 7张分析图表
│ ├── literature_results.md # 文献检索结果
│ ├── literature_interpretation.md # 文献解读
│ ├── mri_report_check_results.md # 影像检查结果
│ ├── analysis_results_report.md # 分析报告
│ └── final_integrated_report.md # 最终综合报告
├── local_upload/ # 本地归档目录
│ └── {YYYY-MM-DD}/
│ ├── 原始数据/
│ ├── 文献参考/
│ ├── 中间结果/
│ ├── 统计结果/
│ └── final_integrated_report.md
├── .env # 环境变量配置（不提交到Git）
├── .env.example # 环境变量示例
├── pyproject.toml # 项目配置与依赖管理
└── run_analysis.py # 运行脚本入口
- fig_01 - 趋势回归
- fig_02 - 相关性热图
- fig_03 - 炎症评估
- fig_04 - 异常检测
- fig_05 - 稳定性分析
- fig_06 - 趋势平滑
- fig_07 - 综合仪表板
final_integrated_report.md- 最终综合报告analysis_results_report.md- 统计分析详细报告literature_interpretation.md- 文献解读mri_report_check_results.md- 影像检查结果
python -m lab_analysis.batch_vision_extract [--interactive]自动扫描 Origin_data 目录，批量识别并摄入检验报告。
python -m lab_analysis.data_analyzer --patient-id ID # 数据分析
python -m lab_analysis.literature_searcher --patient-id ID # 文献检索
python -m lab_analysis.organize_local_files --patient-id ID # 本地归档- 数据处理: pandas, numpy, scipy
- 机器学习: scikit-learn
- 可视化: matplotlib
- 图像处理: Pillow
- AI 模型: 智谱 GLM-4V、DeepSeek、阿里云 Qwen-VL
- 文献检索: PubMed API
- PEP 8 编码规范
- 类型注解（Type Hints）
- 路径使用
WORK_ROOT+ 相对路径 - 使用
pathlib.Path
pip install -e . # 安装依赖
pip install pip-tools # 可选：生成锁定文件
pip-compile pyproject.toml -o requirements.lock
⚠️ 所有依赖在pyproject.toml中声明，勿手动创建requirements.txt。
- 日志文件:
{WORK_ROOT}/error.log - 自动记录: Pipeline 失败时记录详细信息
- 查看最近错误:
from lab_analysis.error_logger import get_recent_errors errors = get_recent_errors(n=10)
- 在
lab_analysis/创建模块 - 实现标准接口（接受
--patient-id） - 在
pipeline.py注册步骤
python -m lab_analysis.data_analyzer --patient-id TEST_ID # 测试模块
pip install ruff; ruff check lab_analysis/ # 代码检查欢迎提交 Issue 和 PR！
- Fork 仓库
- 创建分支 (
git checkout -b feature/xxx) - 提交更改 (
git commit -m 'Add xxx') - 推送 (
git push origin feature/xxx) - 开启 PR
MIT License - 详见 LICENSE
nxz1026 - GitHub
- 智谱 AI、DeepSeek、阿里云
⭐ 如果这个项目对您有帮助，请给个 Star！