Smart Hospital AI Service
FastAPI 微服务：YOLO 影像检测（演示级）+ MONAI/OpenCV 预处理 + LangChain RAG + 报告/决策生成。
兼容 DeepSeek / Qwen 等 OpenAI 协议大模型。
快速启动
cd ai-service
python -m venv .venv
# Windows
.venv\Scripts\activate
# macOS/Linux
# source .venv/bin/activate
# CPU 版 torch（体积更小，实训推荐）
pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu
pip install -r requirements.txt
copy .env.example .env # 按需填写 LLM_API_KEY
uvicorn app.main:app --host 0.0.0.0 --port 8001
.venv可随时删除后按上面步骤重建；权重见data/weights/（已精简保留医学检测模型）。
主要接口
| 方法 | 路径 | 说明 |
|---|---|---|
| GET | /health |
服务与能力探测 |
| POST | /imaging/analyze |
影像 YOLO 检测 + 初步诊断/报告 |
| POST | /report/decision |
EMR 辅助决策（护理/治疗/随访 + RAG） |
| POST | /report/imaging |
单独生成影像报告 |
| POST | /rag/query |
知识库问答 |
| POST | /rag/ingest |
追加知识文档 |
环境变量（.env）
| 变量 | 说明 | 默认 |
|---|---|---|
DEMO_MODE |
demo / real / auto |
auto |
YOLO_WEIGHTS |
YOLO 权重路径 | 空则演示检测 |
LLM_BASE_URL |
OpenAI 兼容地址 | https://api.deepseek.com |
LLM_API_KEY |
API Key | 空则模板/RAG 摘要 |
LLM_MODEL |
模型名 | deepseek-chat |
可选视觉栈
pip install torch torchvision ultralytics monai
安装后将 YOLO_WEIGHTS 指向权重文件，并设 DEMO_MODE=auto 或 real。
与 Spring Boot 对接
业务后端配置（application.yml）：
ai:
service:
enabled: true
base-url: http://127.0.0.1:8001
前端仍只访问 Spring Boot :8080，由后端转发到本服务。
声明
输出仅供教学实训与辅助决策演示，不能替代执业医师诊断。