Delete FINAL_CODE.py

FINAL_CODE.py

@@ -1,191 +0,0 @@
-import pandas as pd
-from transformers import AutoTokenizer, AutoModelForCausalLM
-from sentence_transformers import SentenceTransformer
-from difflib import get_close_matches
-import requests
-import io
-
-# GitHub Excel file URL
-GITHUB_EXCEL_URL = "https://raw.githubusercontent.com/3Zzamt0o/HospitalData/main/Hospital%20Data%20(1).xlsx"
-
-def load_hospital_data():
-    try:
-        # Fetch Excel file from GitHub
-        response = requests.get(GITHUB_EXCEL_URL)
-        response.raise_for_status()  # Raise an exception for bad status codes
-        
-        # Read Excel file from the response content
-        excel_data = io.BytesIO(response.content)
-        df = pd.read_excel(excel_data)
-        
-        print("Successfully loaded data from GitHub")
-        return df
-    except Exception as e:
-        print(f"Error loading data from GitHub: {e}")
-        # Fallback to default data if GitHub fetch fails
-        return pd.DataFrame({
-            'العيادات': ['عيادة الأسنان', 'عيادة الباطنة', 'عيادة العظام', 'عيادة الأطفال'],
-            'الدكتور': ['د. أحمد محمد', 'د. محمد علي', 'د. علي حسن', 'د. سارة أحمد'],
-            'الأيام': ['السبت والاثنين', 'الأحد والثلاثاء', 'الاثنين والأربعاء', 'الثلاثاء والخميس'],
-            'سعر الكشف': ['100 جنيه', '150 جنيه', '120 جنيه', '130 جنيه']
-        })
-
-# Load the hospital data
-df = load_hospital_data()
-
-data = {
-    "السؤال": [
-        "ما هي مواعيد معمل التحاليل ؟", "ما هي المده المستغرقه لعمل التحاليل ؟",
-        "ما هي انواع التحاليل الموجوده و المتوفره ؟", "هل يوجد تحليل صوره دم  ؟",
-        "ماهي تحاليل صوره الدم ؟", "ما هي تحاليل السكر  ؟", "ما هي تحاليل وظائف الكبد ؟",
-        "ما هي تحاليل وظائف الكلي ؟", "ما هي تحاليل البول و البراز ؟",
-        "ما هي تحاليل الدهون  ؟", "ما هي تحاليل الألتهابات و الروماتيزم   ؟",
-        "ما هي تحاليل الفيروسات   ؟", "ما هي تحاليل الغده الدرقيه ؟",
-        "هل يوجد حشو اسنان ؟", "هل يوجد جهاز سونار  ؟", "هل يوجد اجهزه تنفس اصطناعي  ؟",
-        "هل يوجد قياس نظر  ؟", "ما هي الاجهزه المتاحه في عياده الرمد ؟",
-        "هل يوجد قياس ضغط ؟", "هل يوجد سونار  ؟", "هل يوجد رسم قلب  ؟"
-    ],
-    "الجواب": [
-        "طول ايام الاسبوع من 9 صباحا الي 9 مسائا", "من 24 ساعه الي 48 ساعه",
-        "تحاليل صوره الدم، تحاليل سكر، تحاليل وظائف الكبد، تحاليل وظائف الكلي",
-        "نعم يوجد جميع انواع التحاليل بالمستشفي", "CBC، Hb%(Heamoglobin)، Blood Group، Rh",
-        "Rbs سكر عشوائي، سكر صائم FBS، PPbs سكر فاطر", "ALT(GPT)، AST(GOT)، Billirubin",
-        "Ceatinin الكرياتنين، Urea اليوريا، Urine البول، Uric acid اليوريك اسد",
-        "Urine البول، Stool البراز، جرثومه المعده في البراز", "Cholesterol كوليسترول، Triglyceride الدهون الثلاثيه",
-        "CRP، ASOT", "HCV Ab، GBS Ag، HIC Ab", "Tsh، T3، t4",
-        "نعم يوجد حشو أسنان", "نعم يوجد جهاز سونار", "نعم يوجد أجهزة تنفس إصطناعي",
-        "نعم يوجد قياس نظر", "جهاز قاع العين، جهاز قياس النظر، جهاز الكشف من الحساسية والالتهابات",
-        "نعم يوجد قياس ضغط", "نعم يوجد سونار", "نعم يوجد رسم قلب"
-    ]
-}
-
-qa_data = pd.DataFrame(data)
-qa_data.to_csv("qa_data.csv", index=False)
-
-# Using ArabertV2 model with medical knowledge
-model_id = "aubmindlab/bert-base-arabertv2"
-
-import pandas as pd
-import json
-from transformers import pipeline, AutoTokenizer, AutoModelForSequenceClassification
-from sentence_transformers import SentenceTransformer, util
-import torch
-from difflib import get_close_matches
-
-# Medical knowledge base
-medical_kb = {
-    "الجفاف": "في حالة الشعور بالجفاف: 1- شرب الكثير من السوائل 2- تناول الأطعمة الغنية بالماء 3- تجنب التعرض المباشر للشمس 4- استشارة الطبيب إذا استمرت الأعراض",
-    "الصداع": "لعلاج الصداع: 1- الراحة في مكان هادئ 2- شرب الماء بكثرة 3- تناول مسكن خفيف 4- تجنب الضوء القوي والضوضاء",
-    "التعب": "للتغلب على التعب: 1- الحصول على قسط كافٍ من النوم 2- تناول غذاء صحي متوازن 3- ممارسة تمارين خفيفة 4- تجنب الإجهاد",
-    "الحمى": "عند الإصابة بالحمى: 1- الراحة التامة 2- شرب السوائل بكثرة 3- خفض درجة الحرارة بالكمادات 4- استشارة الطبيب إذا تجاوزت 39 درجة",
-    "السعال": "لتخفيف السعال: 1- شرب الماء الدافئ مع العسل 2- استخدام مرطب الهواء 3- تجنب المثيرات 4- الراحة وتناول الأدوية المناسبة",
-    "ألم المعدة": "لعلاج ألم المعدة: 1- تجنب الأطعمة الدهنية والحارة 2- تناول وجبات خفيفة 3- شرب مشروبات دافئة كاليانسون 4- استشارة الطبيب إذا استمر الألم",
-    "الإسهال": "لعلاج الإسهال: 1- شرب محلول معالجة الجفاف 2- تجنب الأطعمة الدسمة 3- تناول وجبات خفيفة وسهلة الهضم 4- مراجعة الطبيب إذا استمر لأكثر من يومين",
-    "الإمساك": "لعلاج الإمساك: 1- تناول الألياف مثل الخضروات والفواكه 2- شرب الماء بكثرة 3- ممارسة النشاط البدني 4- استخدام ملينات طبيعية إذا لزم الأمر",
-    "الزكام": "لعلاج الزكام: 1- الراحة 2- شرب السوائل الساخنة 3- استخدام بخاخات الأنف 4- تجنب البرد والتيارات الهوائية",
-    "ألم الظهر": "لتخفيف ألم الظهر: 1- تجنب الجلوس لفترات طويلة 2- ممارسة تمارين التمدد 3- استخدام كمادات دافئة 4- مراجعة الطبيب في حال استمرار الألم"
-}
-
-
-print("Loading Arabic model and tokenizer...")
-tokenizer = AutoTokenizer.from_pretrained(model_id)
-model = AutoModelForSequenceClassification.from_pretrained(model_id)
-
-embedder = SentenceTransformer("sentence-transformers/all-MiniLM-L6-v2")
-passages = []
-for _, row in df.iterrows():
-    if pd.isna(row['الدكتور']) and pd.isna(row['العيادات']):
-        continue
-    text = f"العيادة: {row['العيادات']}، الدكتور: {row['الدكتور']}، الأيام: {row['الأيام']}، السعر: {row['سعر الكشف']}"
-    passages.append(text)
-
-corpus_embeddings = embedder.encode(passages, convert_to_tensor=True)
-
-
-def answer_question_from_excel(user_question, k=3):
-    # First check if it's a medical symptom question
-    for symptom, advice in medical_kb.items():
-        if symptom in user_question or any(word in user_question for word in ["اشعر", "اعاني", "الم", "وجع", "مريض"]):
-            return f"� **الرد:** {advice}\n\n⚠️ **ملاحظة هامة:** هذه النصائح عامة، يرجى استشارة الطبيب للتشخيص الدقيق."
-
-    # Then check in qa_data for lab tests and equipment
-    qa_answer = check_lab_or_radiology(user_question)
-    if qa_answer:
-        return f"💡 **الرد:** {qa_answer}"
-
-    # Check for specific clinic questions
-    
-    
-    # Define clinic keywords with variations
-    clinic_mapping = {
-        "عيادة الباطنة": ["باطنة", "الباطنة", "باطنه"],
-        "عيادة الجلدية": ["جلد", "جلدية", "الجلدية"],
-        "عيادة المسالك": ["مسالك", "المسالك", "مسالك بولية"],
-        "عيادة النساء": ["نسا", "نساء", "توليد", "ولادة"],
-        "عيادة الأنف والأذن": ["انف", "اذن", "حنجرة", "الأنف", "الأذن"],
-        "عيادة الرمد": ["رمد", "الرمد", "عيون", "العيون"],
-        "عيادة الأسنان": ["اسنان", "الاسنان", "الأسنان", "سنان"],
-        "الحضانة": ["حضان", "حضانة", "الحضانة", "حضانات"],
-        "المعمل": ["معمل", "المعمل", "تحاليل", "مختبر"],
-        "عيادة الأطفال": ["اطفال", "الاطفال", "الأطفال"],
-        "عيادة الجهاز الهضمي": ["هضم", "هضمي", "الجهاز الهضمي"],
-        "عيادة التخاطب": ["تخاطب", "التخاطب", "نطق"]
-    }
-
-    # Check for specific clinic mentions
-    target_clinic = None
-    for clinic, keywords in clinic_mapping.items():
-        if any(keyword in user_question for keyword in keywords):
-            target_clinic = clinic
-            break
-
-    # If a specific clinic is mentioned, show all information for that clinic
-    if target_clinic:
-        clinic_info = [p for p in passages if target_clinic in p]
-        if clinic_info:
-            return f" **الرد:** \n" + "\n".join(clinic_info)
-
-    # For questions about doctors or clinics
-    if any(word in user_question for word in ["عيادة", "عيادات", "دكتور", "دكاترة", "دك��ورة", "مواعيد"]):
-        # Check if asking about a specific type of clinic
-        for clinic_type in ["الأسنان", "الباطنة", "الجلدية", "المسالك", "النساء", "الأنف", "الرمد", "الحضانة", "المعمل", "الأطفال", "الجهاز", "التخاطب"]:
-            if clinic_type in user_question:
-                clinic_info = [p for p in passages if clinic_type in p]
-                if clinic_info:
-                    return f" **الرد:** \n" + "\n".join(clinic_info)
-        
-        # If no specific clinic type mentioned, return all clinic information
-        return f"💡 **الرد:** \n" + "\n".join([p for p in passages if 'عيادة' in p])
-    
-    # If no specific clinic found, check all hospital data
-    question_embedding = embedder.encode(user_question, convert_to_tensor=True)
-    hits = util.semantic_search(question_embedding, corpus_embeddings, top_k=k)
-    matched_passages = [passages[hit['corpus_id']] for hit in hits[0]]
-    
-    if matched_passages:
-        hospital_info = "\n".join(matched_passages)
-        return f"💡 **الرد:** {hospital_info}"
-    
-    # If no match found in any source, return a helpful message
-    return f"💡 **الرد:** عذراً، لا يمكنني العثور على إجابة محددة لسؤالك. يرجى استشارة الطبيب للحصول على المشورة الطبية المناسبة."
-
-
-def check_lab_or_radiology(question):
-    keywords = ['أشعة', 'تحاليل', 'رنين', 'سونار', 'تحليل', 'مختبر', 'معمل']
-    if any(word in question for word in keywords):
-        matches = get_close_matches(question, qa_data['السؤال'].tolist(), n=1, cutoff=0.5)
-        if matches:
-            matched_q = matches[0]
-            answer = qa_data[qa_data['السؤال'] == matched_q]['الجواب'].values[0]
-            return answer
-    return None
-def answer_question(user_question):
-    answer = check_lab_or_radiology(user_question)
-    if answer:
-        return answer
-    return answer_question_from_excel(user_question)
-
-#print(answer_question("مين دكاترة الأطفال وميعادهم؟"))
-#print(answer_question("أريد معرفة تفاصيل التحليل الطبي"))
-
-#print(answer_question("اشعر ب جفاف و همدان ف جسمي ماذا افعل"))