diff --git a/sigle_process.py b/sigle_process.py new file mode 100644 index 0000000000000000000000000000000000000000..0090d49c6994d0b892081c01991312886829b0d8 --- /dev/null +++ b/sigle_process.py @@ -0,0 +1,249 @@ +import os +import json +# import time +os.environ["NCCL_P2P_DISABLE"] = "1" +import torch +# import pynvml +from vllm import LLM, SamplingParams +import torch.distributed as dist +import re +torch.cuda.empty_cache() +os.environ["TRANSFORMERS_OFFLINE"] = "1" +os.environ["HF_DATASETS_OFFLINE"] = "1" +os.environ["PYTORCH_CUDA_ALLOC_CONF"] = "expandable_segments:True" + + + +# 加载量化模型 +llm = LLM(model="/home/limeng/NLP/LLM/model/Qwen2.5-14B-Instruct-GPTQ-Int8", dtype="half",gpu_memory_utilization=0.9) + +# 定义采样参数 +sampling_params = SamplingParams(temperature=0, top_p=0.3, max_tokens = 1500) + +# 推理示例 + + + +medical_record = """上海****病历姓名***科别肛肠一病区4B床号45住院号D04279ID号QG12005357入院记录姓名：***性别：男年龄：59岁民族：汉族籍贯：******婚姻：已婚职业：农民供史者：患者本人现居住地址：江苏省***********入院时间：2022-03-0107:45记录时间：2022-03-0110:43主诉：排便困难1年。现病史：患者于1年前无明显诱因出现排便困难。不伴大便习惯和性状改变，无便血，无黑便，有排便困难，无大便性状改变，无腹泻，无里急后重，不伴腹痛，不伴腹胀，不伴腹部肿块，不伴恶心，不伴呕吐等不适，无肠梗阻，无肠穿孔。有远处转移，有肝转移，无肺转移，无腹膜转移，无骨转移，无锁骨上淋巴结转移，无腹股沟淋巴结转移，无腹膜后淋巴结转移，无其他转移。于2021年02月19日至“我院”行肠镜+病理检查提示：插镜至50cm处结肠，见占肠腔近一周溃疡型肿块，质脆，糜烂，易出血；乙状结肠可见一0.8cm*0.8cm大小息肉。未行新辅助放疗，2021年02月19日开始，行新辅助化疗，化疗方案为CapeOx，化疗期数为7次，间隔3天，属一线化疗方案，2021年02月19日开始，2022年03月12日结束，给予安维汀。不良反应无。2021年9月8日，给予CT引导下肝占位溶瘤病毒注射术，术后继续行XELOX+安维汀治疗1周期。2021-10-11、2021-12-3行肝HAIC术+肠系膜下动脉化疗灌注术（氟尿嘧啶+奥沙利铂），术前联合贝伐珠单抗静滴。近两次灌注化疗改为FOLFIRI方案，1.14日停用靶向药物安维汀。已行新辅助治疗后评估，2022-02-27MR增强：乙状结肠局部管壁增厚，长约3.6cm，周围脂肪间隙稍模糊，管腔狭窄，增强后轻度强化。。今为进一步治疗来我院就诊，门诊以\"乙状结肠癌;肝转移癌\"收入院。自发病以来，病人精神状态良好，体力情况良好，食欲食量良好，睡眠情况良好，体重无明显变化，小便正常。仍需治疗的其他疾病情况：有高血压，无糖尿病，有冠心病，无心肌梗塞，无支架植入，无脑卒中，有肝炎，无其他，。入院前仍在服用的治疗药物：长期服药马来酸左氨氯地平片，缬沙坦氢氯噻嗪片。既往史：既往一般健康状况良好，否认“伤寒、结核、肝炎”等传染病史及接触史，否认外伤史，否认手术史，否认腹部手术史，否认输血史、否认食物、药物过敏史，过敏原，按当地防疫部门要求预防接种，呼吸系统疾病无，心血管系统疾病无，消化系统疾病无，泌尿系统疾病无，血液系统疾病无，内分泌系统疾病无，风湿性疾病疾病无，无肿瘤患病史，，。个人史：生于******，久居江苏省***********，无血吸虫疫源接触史。粉尘及有毒化学物品接触史无。放射性物质接触史无。无吸烟史年，支/天，已戒烟年。饮酒史无。冶游史0年无。婚育史：配偶健在，子女健在，育有1子。。家族史：父亲健在，母亲健在，兄弟姐妹健在。结直肠风险评估：一级亲属有结直肠癌史，无遗传性结直肠癌，无林奇综合征，无FAP，无Gardner's综合征，无Turcot's综合征，无考登病，无家族性青年息肉病，无P-J综合征，无其他，。有，为大肠癌。无家族遗传性疾病史。体格检查T：36.0℃，P：80次/分，R：18次/分，BP：120/80mmHg，Height：170cm，Weight：70.0kg。ECOG1分，发育正常，营养良好，正常面容，表情自如，自动体位，神志清楚，精神状态良好，查体合作。全身皮肤粘膜无黄染，无皮疹、皮下出血，无皮下结节、瘢痕，毛发分布正常，皮下无水肿，无肝掌、蜘蛛痣。浅表淋巴结肿大。头颅无畸形、压痛、包块、无眼睑水肿，结膜未见异常，眼球运动未见异常，巩膜无黄染，角膜透明，双侧瞳孔等大同圆，直径约3mm，对光反射灵敏，外耳道无异常分泌物，乳突区无压痛。外鼻无畸形，鼻通气畅，鼻翼无扇动，两侧副鼻窦区无压痛。口唇无发绀，口腔粘膜未见异常。舌苔未见异常，伸舌无偏斜、震颤，齿龈未见异常，咽部粘膜未见异常，扁桃体无肿大。颈软无抵抗，气管居中，颈动脉搏动未见异常，颈静脉无怒张，肝颈静脉回流征阴性，甲状腺无肿大，无压痛、震颤、血管杂音。胸廓未见异常，胸骨无压痛，乳房正常对称。呼吸运动未见异常，肋间隙未见异常，语颤未见异常。叩诊清音，呼吸规整，双肺呼吸音清晰，双侧肺未闻及干、湿性罗音，无胸膜摩擦音。心前区无隆起，心尖搏动未见异常，心浊音界未见异常，心率80次/分，律齐，各瓣膜听诊区未闻及病理性杂音，无心包摩擦音。腹部情况详见专科情况。脊柱正常生理弯曲，四肢活动自如，无畸形、下肢静脉曲张、杵状指（趾），关节未见异常，双下肢无浮肿。四肢肌力、肌张力未见异常，双侧肱二、三头肌腱反射未见异常，双侧膝、跟腱反射未见异常，双侧Babinski征阴性。专科情况：腹部视诊，未见肠型及蠕动波，未见腹壁静脉曲张。全腹柔软无压痛无反跳痛，未扪及腹腔包块。肝脏触诊未触及，脾脏触诊未触及，移动性浊音-。肝肾区无叩击痛。Murphy氏征阴性。腹部听诊，肠鸣音未见异常，4次/分。辅助检查：肿瘤指标：（2022-03-01本院）：CEA：51.11ng/ml。CA199：666.22U/ml。肠镜+病理：（2021-02-19本院）肠镜+病理：插镜至50cm处结肠，见占肠腔近一周溃疡型肿块，质脆，糜烂，易出血；乙状结肠可见一0.8cm*0.8cm大小息肉。NRAS基因突变，KRAS,PI3KA,BRAF为野生型。错配修复基因功能完整pMMR。盆腔磁共振增强（2022-02-27本院MR增强）：乙状结肠局部管壁增厚，长约3.6cm，周围脂肪间隙稍模糊，管腔狭窄，增强后轻度强化。盆壁结构正常，盆腔内未见肿大淋巴结。肝脏磁共振增强（2022-02-11本院）：肝脏大小形态尚可，肝内见多发大小不等结节影，T1WI低信号、T2WI高信号改变，DWI弥散明显受限，增强后环形强化，最大位于肝右叶近膈顶部，大小约50.3×56.1mm，肝脏多发转移瘤，较前2022-01-13片大致相仿。胸部CT平扫（2022-02-10本院）：双肺野纹理清晰，左肺下叶前内基底段（IM230）、右肺上叶前段（IM162、IM222）、右肺中叶外侧段（IM281）见长径范围约3-4mm的实性结节影，两肺见少许条索影。气管及主要支气管通畅。纵隔居中，纵隔、肺门未见明显肿大淋巴结影。心影不大，主动脉壁见点状钙化。胸腔未见明显积液征象，双侧胸膜未见明显增厚。甲状腺左右叶见结节样稍低密度影。肝内见多发团状稍低密度影。左肝内胆管扩张。胸部见输液港。心电图（2022-02-09本院）：窦性心律；长QTc间期。深静脉血栓评估：评估分数：2。级别：中危。措施：基本预防：变换体位,下床活动，间歇充气加压装置，抗血栓压力袜。营养会诊：不需要。康复会诊：不需要。最后诊断：初步诊断：1.乙状结肠癌(T3N1M1)1.乙状结肠癌(T3N1M1)2.肝转移瘤介入术后2.肝转移瘤介入术后3.高血压病(3级很高危)3.高血压病(3级很高危)***/******/***2022-03-0111:14:422022-03-0111:12:21第0页""" +# 定义 Prompt +# 定义文件路径 +file_path = "/home/limeng/NLP/LLM/code/LLM_extraction/record_text2.txt" +from tqdm import tqdm +# 打开文件并读取所有行 +with open(file_path, 'r', encoding='utf-8') as file: + # 读取所有行并去除每行的换行符 + texts = [line.strip() for line in file.readlines()] + +# 输出列表 +for i in range(len(texts)): + medical_record = texts[i] + prompt = f""" +你是一个专业的医疗信息抽取助手。请从以下病历数据中严格按照#### 示例 JSON 提取字段信息，并确保： +1. **字段必须完整**，与示例 JSON 结构完全一致，不可缺失/新增/改动任何字段 +2. **重点字段精确**： + - 手术史需抽提所有手术名称+时间（格式："手术名称": "时间"） + - 化疗方案需按"方案名": {{时间+具体用药列表}} 格式提取 + - 放疗方案需按"方案描述": {{时间+次数+剂量}} 格式提取 +3. **严格空值处理**： + - 字符串字段填"无" + - 列表/字典字段填空列表[]/空字典{{}} + - 嵌套结构需保持完整（如肿瘤患病史必须含"肿瘤类型"/"肿瘤结局"字段） +4. **严格JSON格式**： + - 保持与示例完全相同的缩进/标点格式 + - 确保所有括号闭合，逗号正确 + - 生成第一个完整JSON后立即停止，禁止解释性文字 + +#### 病历数据 +{medical_record} + +#### 示例 JSON +{{ + "消瘦": "有", + "呕吐": "有", + "恶心": "有", + "腹部肿块": "有", + "腹胀": "有", + "腹痛": "有", + "里急后重": "有", + "腹泻": "有", + "大便形状改变": "有", + "排便困难": "有", + "黑便": "有", + "便血": "有", + "大便习惯和性状改变": "有", + "肠梗阻": "有", + "肠穿孔": "有", + "手术史": {{ + "直肠癌经腹前切除+末端回肠造口术": "2017-01-11日", + "冠脉支架置入术":" 2019年", + }}, + "肝转移": "有", + "肺转移": "有", + "腹膜转移": "有", + "骨转移": "有", + "远处转移": "有", + "锁骨上转移": "有", + "腹股沟转移": "有", + "腹膜后淋巴结转移": "有", + "其他远处淋巴转移": "无", + "化疗方案": {{ + "2011-1-12行XELOX方案": + {{"时间": "2011-1-12" + "具体用药": [ + "卡培他宾1.5g 2/日d1-14", + "奥沙利铂200mg d1" + ] + }}, + "2022-7-17、8-9行FOLFOX+西妥昔单抗方案": + {{ "时间": "2022-7-17、8-9" + "具体用药": [ + "奥沙利铂140mg 静滴D1", + "亚叶酸钙0.6g 静滴D1", + "5-FU 0.4g 静滴D1", + "5-FU 4.0g 化疗泵入44h", + "西妥昔单抗800mg 静滴D1" + ]}} + }}, + "放疗方案": + {{ + "盆腔复发灶": {{ + "时间": "2023-04-20至2023-05-30", + "次数": "25", + "单次剂量":"2Gy", + "总剂量":"50Gy" + }}, + "照射方法为适形调强放疗IMRT，分割方法为常规分割，疗效评估为PR": {{ + "时间": "2021年11月15日开始，2021年12月24日结束", + "次数": "25", + "单次剂量":"2Gy", + "总剂量":"" + }}, + }}, + "仍需治疗的其他疾病情况": ["高血压", "糖尿病"], + "入院前仍在服用的治疗药物": ["硝苯地平缓释片", "达格列净", "格列齐特"], + "高血压史": "有", + "伤寒史": "有", + "结核史": "有", + "病毒性肝炎史": "有", + "糖尿病史": "有", + "冠心病史": "有", + "冠脉支架放置": "有", + "脑卒中史": "有", + "其他非肿瘤疾病": [ + "慢性乙型病毒性肝炎", + ], + "肿瘤患病史": {{ + "肿瘤类型": "左肺腺癌", + "肿瘤结局": "治愈" + }} + "吸烟史": {{ + "吸烟年数": "25年", + "日吸烟量": "10支/天", + "是否戒烟": "已戒烟15年" + }}, + "饮酒史": "有" + "婚育史": {{ + "是否已婚": "已婚", + "是否已育": "已育", + "已育数量": "1女" + }}, + "结直肠癌家族史": {{ + "遗传性结直肠癌类型": "无", + "亲属类型": "弟弟", + "其他遗传性肿瘤": "结肠癌" + }}, + "体温": "36.0℃", + "呼吸": "18次/分", + "心率": "80次/分", + "血压": "120/80mmHg", + "BMI": "19.6" + "直肠指诊姿势": "膝胸位", + "直肠指诊是否触及肿块": "有", + "直肠指诊肿块下缘到肛缘距离": "5cm", + "直肠指诊肿块下缘到齿状线距离": "无", + "直肠指诊肿块活动度": "尚可", + "直肠指诊指套推出是否染血": "有" + "贫血貌": "有", + "巩膜黄染": "有", + "锁骨上淋巴结肿大": "有", + "腹壁静脉曲张": "有", + "肠形": "有", + "腹部压痛": "有", + "最后诊断":"", + "初步诊断":"" +}} +""" +# 推理 + outputs = llm.generate(prompt, sampling_params) + print(outputs[0].outputs[0].text) + model_output = outputs[0].outputs[0].text + + result = {} + if model_output: + json_str = re.search(r'```json\n(.*?)\n```', model_output, re.DOTALL) + if json_str: + json_str = json_str.group(1) + result_json = json.loads(json_str) + else: + # 如果未找到 JSON 部分，直接保存原始文本 + json_str = re.search(r'#### JSON 提取结果\n(.*?)\n#### JSON 提取结果', model_output, re.DOTALL) + if json_str: + result_json = json.loads(json_str.group(1)) + else: + # 如果未找到 #### JSON 提取结果 格式，尝试提取 #### JSON 输出 格式 + json_str = re.search(r'#### JSON 输出\n(.*?) 请严格', model_output, re.DOTALL) + if json_str: + result_json = json.loads(json_str.group(1)) + else: + json_str = re.search(r'#### JSON 提取结果\n(.*?) 根据提', model_output, re.DOTALL) + if json_str: + result_json = json.loads(json_str.group(1)) + else: + json_str = re.search(r'#### JSON 提取结果\n(.*?) 请严格按照示例JSON', model_output, re.DOTALL) + if json_str: + result_json = json.loads(json_str.group(1)) + else: + json_str = re.search(r'#### 生成 JSON\n(.*?)\n#### 生成 请严格按照示例JSON', model_output, re.DOTALL) + if json_str: + result_json = json.loads(json_str.group(1)) + else: + json_str = re.search(r'#### JSON 输出\n(.*?) 根据提', model_output, re.DOTALL) + if json_str: + result_json = json.loads(json_str.group(1)) + else: + json_str = re.search(r'#### 生成 JSON\n(.*?) 根据提供', model_output, re.DOTALL) + if json_str: + result_json = json.loads(json_str.group(1)) + else: + json_str = re.search(r'#### 提取 JSON\n(.*?)\n#### 提取 JSON', model_output, re.DOTALL) + if json_str: + result_json = json.loads(json_str.group(1)) + else: + json_str = re.search(r'格式正确。\n(.*?) 根据提供的', model_output, re.DOTALL) + if json_str: + result_json = json.loads(json_str.group(1)) + else: + json_str = re.search(r'#### JSON\n(.*?) 请严格按照', model_output, re.DOTALL) + if json_str: + result_json = json.loads(json_str.group(1)) + else: + json_str = re.search(r'格式正确。\n(.*?) 请严格按照示例', model_output, re.DOTALL) + if json_str: + result_json = json.loads(json_str.group(1)) + else: + json_str = re.search(r'#### JSON\n(.*?) 根据提供', model_output, re.DOTALL) + if json_str: + result_json = json.loads(json_str.group(1)) + else: + json_str = re.search(r'#### JSON 输出\n(.*?)\n#### JSON 输出', model_output, re.DOTALL) + if json_str: + result_json = json.loads(json_str.group(1)) + else: + result_json = {"error": "Invalid model output format", "original_text": medical_record, "model_output": model_output} + print(result_json) + with open(f"/home/limeng/NLP/LLM/code/0220/result_error/long_txt{i}.json", 'w', encoding='utf-8') as f: + json.dump({"text_record": medical_record, "extracted_info": result_json}, f, ensure_ascii=False, indent=4) + + + +