当前位置：首页 > news >正文

“全结构化录入+牙位可视化标记”人工智能化python编程路径探析

news 2025/9/7 14:19:54

在这里插入图片描述

1. 目标与使用场景

将所有关键信息结构化：主诉/现病史、龋/充/根管/牙周/修复/种植、影像读片所见、处置与术式、医嘱、收费关联等。
通过牙位图可视化标注与表单联动，做到“点哪颗牙、哪一面，就写哪一项”，杜绝游离文本。
用 AI 做三件事：①录入提效（自动补全/术语标准化/编码建议）；②质控（规则与模型双验）；③影像辅助（龋、残髓、根尖周、牙周骨丧失等初筛）。
与医院信息平台/医保/第三方影像顺畅对接（HL7/FHIR、DICOM）。

2. 标准与术语（建议落地用）

牙位编码：FDI 两位码（11–48，51–85），保留美制/牙位字母兼容映射。
结构化术语/编码：SNOMED CT（诊断/处置）、ICD-10（病案）、LOINC（检验）、UCUM（单位）。
FHIR 资源映射：Patient/Encounter/Condition/Observation/Procedure/DiagnosticReport/ImagingStudy/ServiceRequest/MedicationRequest/Consent。
影像：DICOM（pydicom 读片），报告走 DiagnosticReport + ImagingStudy 关联。

3. 总体架构（Python 为主）

前端（牙位图 + 表单）：React/TypeScript + SVG 牙位图（32/20 牙，含 5 面：M/D/O/B(P/L)/I©）。与后端通过 WebSocket/REST 同步。
API 层：FastAPI（Pydantic v2 模型校验，Uvicorn），JWT/OAuth2。
业务与数据：PostgreSQL（结构化 + JSONB 存每牙面状态），SQLAlchemy + Alembic。
AI 服务：
- NLP：术语标准化、编码建议（PyTorch/Transformers），RAG（FAISS/SQLite-vec）。
- CV：X 光/口扫（OpenCV + MONAI/nnU-Net/YOLOv8），ONNX Runtime 推理。
- 队列：Celery + Redis，批量影像异步处理。
集成：fhir.resources 组装 FHIR Bundle；pydicom/DICOMweb 取片；HL7/FHIR 接口对接院内。
审计与合规：审计日志（append-only）、字段级加密（pgcrypto/应用层）、RBAC/ABAC。

4. 数据建模（核心表与模型）

A. 患者/就诊

patient(id, mrn, name, sex, dob, …)
encounter(id, patient_id, start_time, type, …)

B. 每牙结构化记录

tooth_record(id, encounter_id, fdi_code, present BOOLEAN, mobility, percussion, …)
tooth_surface(id, tooth_record_id, surface ENUM[M,D,O,B,P,L,I,C], caries_grade, restoration, fracture, pocket_depth_mm, bleeding BOOLEAN, furcation, …)
diagnosis(code, system, display) / procedure(code, system, display, tooth_fdi?, surface?)

C. 影像与报告

imaging_study(id, encounter_id, dicom_uid, modality, taken_at, …)
observation(id, type, value, unit, tooth_fdi?, surface?, source)
diagnostic_report(id, study_id, summary_text, json_struct)

Pydantic 片段（示例）

from pydantic import BaseModel, Field
from typing import Literal, Optional, ListSurface = Literal["M","D","O","B","P","L","I","C"]class ToothSurface(BaseModel):surface: Surfacecaries_grade: Optional[int] = Field(None, ge=0, le=5)restoration: Optional[str] = Nonepocket_depth_mm: Optional[float] = Field(None, ge=0, le=12)bleeding: bool = Falseclass ToothRecord(BaseModel):fdi: int = Field(..., ge=11, le=85)present: bool = Truesurfaces: List[ToothSurface] = []