医疗病例智能检索系统

基于 Milvus 向量数据库和中文文本向量化模型构建的医疗病例智能检索系统，支持通过症状描述快速检索相似病例。

• 支持中文症状描述的语义搜索
• 基于年龄的智能过滤
• 实时病例统计和可视化
• 年龄分布和诊断趋势分析
• 批量病例数据生成
• 高性能向量检索

• 后端：Python, Flask
• 数据库：Milvus
• 向量模型：sentence-transformers
• 前端：HTML, JavaScript, Chart.js
• 环境管理：python-dotenv

• Python 3.8+
• Milvus 2.0+
• 至少 8GB RAM
• 支持 CUDA 的 GPU（可选，用于加速模型推理）

# 使用 Docker 安装 Milvus
docker-compose up -d

git clone https://github.com/wwfalcon/milvus_healthcare.git
cd milvus_healthcare

pip install -r requirements.txt

# 复制环境变量模板
cp .env_sample .env

# 编辑 .env 文件，设置你的配置
vim .env

# 生成测试数据
python generate_data.py

# 启动 Web 服务
python app.py

在 .env 文件中配置以下参数：

• MILVUS_HOST: Milvus 服务器地址
• MILVUS_PORT: Milvus 服务器端口
• MODEL_NAME: 文本向量化模型名称
• TOTAL_CASES: 要生成的病例总数
• BATCH_SIZE: 批量处理大小
• AGE_GROUP_DISTRIBUTION: 年龄组分布
• DEFAULT_MIN_AGE: 默认最小年龄
• DEFAULT_MAX_DISTANCE: 最大距离阈值
• SEARCH_LIMIT: 搜索结果限制
• NPROBE: 搜索范围参数

python generate_data.py

此命令将：

• 连接 Milvus 数据库
• 初始化文本向量化模型
• 生成指定数量的病例数据
• 将数据插入到 Milvus 中

python patient_search.py "症状描述" [最小年龄] [最小相似度]

示例：

python patient_search.py "发热咳嗽" 60 0.8

访问 http://localhost:5000 使用 Web 界面：

• 输入症状描述进行搜索
• 查看搜索结果和统计信息
• 分析年龄分布和诊断趋势

milvus_healthcare/
├── app.py              # Web 服务主程序
├── generate_data.py    # 数据生成脚本
├── patient_search.py   # 病例搜索模块
├── requirements.txt    # 依赖包列表
├── .env_sample        # 环境变量模板
├── .env               # 环境变量配置
├── static/            # 静态资源
│   └── css/
│       └── style.css  # 样式文件
└── templates/         # HTML 模板
    └── index.html     # 主页面模板

• 使用批量处理减少数据库操作
• 实现多进程并行处理
• 优化向量搜索参数
• 使用 GPU 加速模型推理

1. 首次运行需要下载模型，可能需要较长时间
2. 确保 Milvus 服务正常运行
3. 根据实际硬件配置调整批处理大小
4. 定期备份数据库数据

1. Fork 项目
2. 创建特性分支
3. 提交更改
4. 推送到分支
5. 创建 Pull Request

MIT License

• 作者：Gavin Wang
• 邮箱：wwfalcon@gmail.com
• 项目地址：https://github.com/wwfalcon/milvus_healthcare