智能医疗导诊系统

最新版下载链接

123网盘不限速下载连接：点击此处开始下载

百度网盘下载连接：点击此处开始下载

阶段性测试用账密：

1
2
3
testadmin1 111111
testadmin2 222222
testadmin3 333333

宣传视频

系统概述

欢迎使用智能医疗导诊系统 !

本系统致力于通过当今社会的各项AI技术，
以LLMs为主建立一个智能化的医疗预导诊系统，
以求在快速化发展的时代建立一个更快的医疗预服务体验。

智能医疗导诊系统基于先进的人工智能技术，旨在提升医疗服务效能并优化患者的就医经历。此系统结合了大语言模型(LLMs)、语音转文本(ASR)、光学字符识别(OCR)技术，通过对开源大语言模型的定向化微调，实现症状精确识别、智能疾病诊断和科室推荐，并模拟输出相应的初步导诊报告。

系统功能

  • 基于微调LLMs的智能医疗诊断：通过调用租赁服务器上的微调MED大语言模型，精确的为您判断相应的医学专业病症名词和推荐的诊疗科室。
  • OCR病历识别：用户可使用扫描其他来源的病例或手写材料，通过光学字符识别转化为导诊文本信息。
  • 二维码导诊记录：支持通过扫描二维码快速导入患者既往的诊疗记录。
  • ASR语音输入：用户可通过自然语言口述其病情，系统即时将语音转换为结构化医疗信息。
  • 导诊报告自动生成：系统能够自动生成详尽的导诊报告，并为其生成可分享的导诊二维码，简化医疗信息传递与查询过程。
  • 模拟数据库可预约科室：通过模拟生成的数据库，并结合当前导诊的真实时间，输出相应时间段可以预约的科室和医生。

安装指南

智能医疗导诊系统提供易于安装的执行文件，用户可以通过以下步骤在个人电脑上进行安装：

  1. 从 官方网站 下载最新的压缩包。
  2. 解压文件包，双击包内的智能医疗导诊系统.exe文件，即可使用。

快速开始指南

  1. 启动系统：打开应用程序，通过 官方网站 的测试账密进入主界面。
  2. 数据输入：
    • 直接在输入框中输入病症内容
    • 点击CAM，进入CAM界面
      • 选择OCR 病历识别进行文字光学字符识别 或QR Code 二维码识别进行二维码识别
      • OCR将自动使用模糊推理，并导入病症框
      • 二维码加载后自动显示上次的导诊信息并显示可约科室
    • 点击ASR，进入ASR界面
      • 使用Start开始录音
      • 使用END结束录音并进行模糊推理
      • 使用导入数据最终数据导入病症框
  3. 查看诊断结果：提交信息后，系统将显示初步诊断结果和推荐科室，并通过当前时间返回模拟数据库当中的模拟可约诊室。
  4. 导诊报告：用户可以点击Print模拟打印导诊报告和二维码。
  5. 清除记录：点击clear可以清除已有的记录
  6. 设置：通过右下角的Setting按键

技术支持

若在使用过程中遇到任何技术问题，或需要帮助、加入开发团队、授权开源代码，可以通过以下方式联系我们的技术支持团队：

  • 电子邮箱：XLY23333@126.com
  • 联系电话：176-1565-7737

更新日志

V1 Demo

Update date: 2024-03-09

  • 初步创建了主窗口界面
  • 通过API调用实现了最基本的导诊逻辑功能
    • 软件使用的API为测试用，有一定的限额，Key的购买将会在 官方网站 放入第三方友情链接
  • 初步建立了底层逻辑结构

V2 Demo

Update date: 2024-03-10

  • 更新UI界面，增设Camera和ASR界面
  • 接入硬件Camera处理和PyAudio音频录制接口
  • 随进度更新底层逻辑结构

V3 Demo

Update date: 2024-03-24

  • 更新UI界面，新增设置(Setting)页面
  • 随进度更新底层逻辑结构

V1 BETA

Update date: 2024-04-19

  • 第一个发布版本
  • 接入微调大语言模型MED
  • 建立服务器备用API通道
  • 随进度更新底层逻辑结构

V2 [Latest]

Update date: 2024-04-25

  • 更新全新的UI界面
  • 重新调整底层代码结构，建立Python功能包Medpkg，规范化源码
  • 尝试接入本地音频解码器
    • 音频解码器可能因为安装不成功而提示转码错误，可通过手动下载解码器并设置环境变量后使用

第三方API购买

软件提供了一个有限的API-KEY用于测试，如需长期使用可以购买第三方API-KEY并通过调整Setting使用

链接：点击进入

致谢

感谢所有参与项目开发和测试的团队成员，感谢该项目建立过程当中提供帮助的老师和同学，以及为项目提供数据支持和反馈的所有用户和合作伙伴。

MEDGS-AI Team