| import streamlit as st
|
| import os
|
| import sys
|
| import pandas as pd
|
|
|
| sys.path.append(os.path.join(os.path.dirname(__file__), 'src'))
|
|
|
| try:
|
| from analyzer import MedicalKnowledgeBase
|
| db_path = os.path.join("data", "medical_db.json")
|
| kb = MedicalKnowledgeBase(db_path)
|
| except Exception as e:
|
| st.error(f"خطا در لود دیتابیس: {e}")
|
| st.stop()
|
|
|
| st.set_page_config(
|
| page_title="سیستم هوشمند تحلیل آزمایش خون",
|
| page_icon="🩺",
|
| layout="wide"
|
| )
|
|
|
| st.markdown("""
|
| <style>
|
| .big-font { font-size:20px !important; font-weight: bold; color: #FF4B4B; }
|
| .success-msg { background-color: #d4edda; padding: 15px; border-radius: 10px; border-left: 5px solid #28a745; }
|
| .main-header { text-align: center; color: #2E86C1; }
|
| </style>
|
| """, unsafe_allow_html=True)
|
|
|
| st.markdown('<h1 class="main-header">🩺 سیستم هوشمند تحلیل آزمایش خون</h1>', unsafe_allow_html=True)
|
| st.markdown("---")
|
|
|
| st.markdown('<p class="big-font">لطفاً تصویر آزمایش خون خود را انتخاب کنید:</p>', unsafe_allow_html=True)
|
|
|
| uploaded_file = st.file_uploader("انتخاب عکس (JPG, PNG)", type=["jpg", "jpeg", "png"])
|
|
|
| if uploaded_file is not None:
|
| st.image(uploaded_file, caption="پیشنمایش عکس", use_column_width=True)
|
|
|
| if st.button("🚀 شروع تحلیل هوشمند", type="primary"):
|
| temp_dir = "data/uploads"
|
| os.makedirs(temp_dir, exist_ok=True)
|
| temp_path = os.path.join(temp_dir, uploaded_file.name)
|
|
|
| with open(temp_path, "wb") as f:
|
| f.write(uploaded_file.getbuffer())
|
|
|
| status_placeholder = st.empty()
|
|
|
| try:
|
|
|
| status_placeholder.info("⏳ در حال بارگذاری سیستم OCR...")
|
| from ocr_reader import OCRReader
|
| from lab_extractor import LabDataExtractor
|
| from analyzer import BloodAnalyzer
|
| from ai_doctor import AIDoctor
|
|
|
| ocr = OCRReader()
|
| extractor = LabDataExtractor()
|
| analyzer = BloodAnalyzer(kb)
|
| ai_doctor = AIDoctor()
|
|
|
|
|
| status_placeholder.info("👁️ در حال خواندن متن از عکس...")
|
| raw_text = ocr.extract_text(temp_path)
|
|
|
| status_placeholder.info("🔍 در حال استخراج اعداد...")
|
| extracted_data = extractor.extract_all(raw_text)
|
|
|
| if not extracted_data:
|
| st.error("❌ سیستم نتوانست اعداد را پیدا کند.")
|
| else:
|
| status_placeholder.info("🧠 در حال تحلیل با هوش مصنوعی...")
|
|
|
|
|
| patient_age = extractor.get_patient_age(raw_text)
|
|
|
|
|
| report = analyzer.generate_full_report(extracted_data, gender="male", age=patient_age)
|
|
|
|
|
| doctor_note = ai_doctor.generate_explanation(report, patient_gender="male", patient_age=patient_age)
|
|
|
| status_placeholder.empty()
|
| st.success("✅ تحلیل کامل شد!")
|
|
|
| tab1, tab2 = st.tabs(["📊 جدول نتایج", "👨⚕️ توضیحات دکتر هوشمند"])
|
|
|
| with tab1:
|
| df = pd.DataFrame(report)
|
| def get_status(status):
|
| return "✅ نرمال" if status == "NORMAL" else "⚠️ غیرنرمال"
|
| df['وضعیت'] = df['status'].apply(get_status)
|
| df_view = df[['name_fa', 'value', 'unit', 'وضعیت', 'message']]
|
| df_view.columns = ['نام آزمایش', 'مقدار', 'واحد', 'وضعیت', 'تشخیص']
|
| st.dataframe(df_view, use_container_width=True)
|
|
|
| with tab2:
|
| st.markdown(f"<div class='success-msg'>{doctor_note}</div>", unsafe_allow_html=True)
|
|
|
| except Exception as e:
|
| status_placeholder.error(f"❌ خطا در فرایند تحلیل: {str(e)}")
|
| st.exception(e)
|
| else:
|
| st.warning("⚠️ لطفاً ابتدا یک عکس آپلود کنید.") |
