【免费下载链接】WellAlly-health
Ally-Health is an intelligent healthcare assistant that harnesses advanced AI technology and medical expertise to transform personal health management. Through natural language interaction, it helps users record symptoms, manage medications, organize medical records, and access multidisciplinary health insights—making healthcare more intelligent, p
WellAlly-health 是一个开源的个人医疗数据中心,拍照即可录入化验单:它能智能识别化验单图片,结构化提取检验项目、数值、单位与参考范围,并支持 B超、CT 等影像报告识别,帮你快速建立可查询的个人健康档案。
化验单为什么要"拍照即结构化"
体检季过后,你的化验单可能散落在三个地方:纸质报告、手机截图、医院 App。它们共同的毛病是——没法比:
- 半年前的血红蛋白和这次比,截图翻半天找不着;
- 参考范围因医院、检验方法不同而有差异,看到"↑"到底严不严重没底;
- 影像报告(B超、CT)里的尺寸、分级结论,想长期追踪结节变化更是无从下手。
WellAlly-health 的思路是:拍张照,剩下的交给系统。识别 → 结构化 → 本地存档 → 趋势分析,全程用自然语言命令完成,不需要编程。
一条命令完成化验单识别:/save-report 快速上手
核心入口是/save-report命令,用法非常简单:
/save-report @医疗报告/血液检查.jpg# 也可以手动指定检查日期(YYYY-MM-DD) /save-report @医疗报告/血液检查.jpg 2025-10-07| 参数 | 说明 |
|---|---|
image_path(必填) | 化验单图片的本地路径 |
exam_date(可选) | 检查日期,缺省时从图片中自动识别 |
💡智能日期识别:不指定日期时,系统会按优先级从图片中提取:用户指定日期 > 采样时间 > 送样时间 > 检测/报告时间 > 其他日期标识,最后才退回当前日期,并统一转换为YYYY-MM-DD格式存储。
下面这张截图来自项目内置的示例报告 报告单/生化报告.png:
对这样一张化验单,系统会自动完成全部字段的识别:
- 检验项目:癌胚抗原、糖链抗原125、总前列腺特异性抗原……
- 结果数值:如
229.18、758.10 - 参考范围:
0.00-5.00、0.00-35.00 - 单位:
ng/mL、U/mL - 异常标识:↑↓ 箭头自动转为异常标记
参考范围提取:让每项指标真正"可比"
很多识别工具只提取"项目 + 数值",WellAlly-health 多走了一步——把参考范围也结构化提取出来(min_ref下限 /max_ref上限),并自动判定is_abnormal。以图中癌胚抗原为例,落库后是这样一条干净的 JSON 记录:
{ "name": "癌胚抗原", "value": "229.18", "unit": "ng/mL", "min_ref": "0.00", "max_ref": "5.00", "is_abnormal": true }有了结构化数据,后续操作全部变成了查询:
/query abnormal—— 一次性列出所有异常指标,表格带 ✅/⚠️ 状态列;/report biochemical last_year—— 生成近一年的生化趋势 HTML 报告,折线图直接看出升降走向。
完整的字段定义见 docs/data-structures.md,生化检查数据结构说明在文档开头部分。
影像报告识别:从B超到PET-CT都有"专属模板"
影像报告和化验单不一样:没有逐项数值,核心是**"检查所见 + 测量数据 + 结论"**。WellAlly-health 为此设计了专门的影像结构,并按检查类型内置了8 套识别模板:
| 检查类型 | 重点提取内容 |
|---|---|
| B超/彩超 | 结节三维尺寸、形态边界回声、钙化与血流、TI-RADS 分级 |
| X光 | 病灶径线、心胸比率、磨玻璃/实变等征象 |
| CT | CT值(HU)、毛刺/分叶征、LUNG-RADS / LI-RADS 分级 |
| MRI | T1WI/T2WI 信号、ADC 值、BI-RADS / PI-RADS 分级 |
| 内窥镜 | 精确位置、大小数量、LA/Forrest 分级、活检信息 |
| 病理 | 分化程度、切缘、淋巴结转移(如 2/15)、TNM 分期、免疫组化 |
| 心电图 | 心率、PR/QRS/QTc 间期、心律诊断 |
| 乳腺钼靶 | 钙化形态分布、BI-RADS 0-6 分级 |
| PET-CT | SUVmax、MTV、代谢活性描述、疗效评估结论 |
以项目自带的这份 报告单/超声报告.png 为例,系统会识别出检查部位(甲状腺+颈部淋巴结)、"双侧颈部IV区探及淋巴结,左侧多发,较大约 0.5*0.3cm" 中的尺寸数据、形态与边界描述,以及"甲状腺术后"等关键背景信息——这些都会存入findings结构,下次复查时一眼对比结节大小变化。
数据落库之后:本地私有,随查随用
识别完成后,数据按月份自动归档到本地文件系统:
data/ ├── 生化检查/YYYY-MM/YYYY-MM-DD_检查类型.json # 化验单结构化数据 ├── 影像检查/YYYY-MM/YYYY-MM-DD_类型_部位.json # 影像报告结构化数据 │ └── images/ # 原始图片自动备份 └── index.json # 全局索引,自动更新- 每条记录都会把原始图片备份一份,做到"数据+原件"双存档;
data/index.json自动登记新记录,后续/query、/report秒级定位;- 所有数据只保存在本地磁盘,不上传任何云端,隐私完全自主。
识别完成后可以接着做:/report comprehensive生成含趋势图的完整健康报告,/consult启动多学科专家会诊——命令说明分别见 commands/report.md 与 commands/consult.md。
新手3步上手清单
1️⃣获取项目并打开:
git clone https://gitcode.com/gh_mirrors/cl/WellAlly-health2️⃣ 在项目目录中打开 Claude Code,先建立个人档案(身高/体重/生日):
/profile set 175 70 1990-01-013️⃣ 拍照(或传截图)入库,然后查异常、看趋势:
/save-report @报告单/生化报告.png /query abnormal📌给新手的小提示
- 参考范围以就诊医院化验单上印刷的范围为准,不同实验室、检验方法可能略有差异,详见 docs/safety-guidelines.md;
- 图片尽量拍清楚、别反光,模糊区域系统会尽力识别,实在无法识别的字段会留空而不是乱填;
- 本系统的识别与分析结果仅供个人健康管理参考,不构成诊断依据,有健康问题请及时咨询专业医生。
完整使用指南可查阅 docs/user-guide.md,命令与目录的整体设计见 README.zh-CN.md。
【免费下载链接】WellAlly-health
Ally-Health is an intelligent healthcare assistant that harnesses advanced AI technology and medical expertise to transform personal health management. Through natural language interaction, it helps users record symptoms, manage medications, organize medical records, and access multidisciplinary health insights—making healthcare more intelligent, p
相关推荐
Open Micro-Manipulator:打造你的亚微米级3D运动控制平台,低成本实现高精度定位
Open Micro Manipulator:打造你的亚微米级3D运动控制平台,低成本实现高精度定位 Open Micro Manipulator是一个开源低成
文档处理新范式:DocsGPT如何智能提取Markdown标题与结构化内容
文档处理新范式:DocsGPT如何智能提取Markdown标题与结构化内容 在信息爆炸的时代,开发者每天都要面对海量文档。如何快速从Markdown文件中提取关
人工智能AI 应用RAGAI Agent后端前端RAGFlow知识库报告:结构化数据的分析与总结输出
RAGFlow知识库报告:结构化数据的分析与总结输出 在信息爆炸的时代,企业和个人每天都在产生海量数据。如何从这些非结构化数据中快速提取关键信息,并转化为结构化
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考