qconline/doc/智能影像质控功能总结.md

智能影像质控功能实施总结

已完成的功能

1. 数据库设计

表结构

• ✅ qc_factor - 质控因子表（5个影像质控维度）
• ✅ qc_standard - 质控标准表
• ✅ qc_standard_factor - 质控标准因子关联表
• ✅ qc_task - 质控任务表（新增 examIds 字段）
• ✅ qc_result - 质控结果明细表
• ✅ qc_result_summary - 质控结果总评表

SQL 文件

• /doc/sql/image_qc_init.sql - 影像质控因子初始化
• /doc/sql/update_qc_task.sql - 数据库表结构更新

2. 后端代码

实体类

• ✅ QcResult.java - 质控结果明细实体
• ✅ QcResultSummary.java - 质控结果总评实体
• ✅ QcTask.java - 质控任务实体（已添加 examIds 字段）
• ✅ QcTaskCreateDTO.java - 质控任务创建DTO（已添加 examIds 字段）

Mapper 接口

• ✅ QcResultMapper.java
• ✅ QcResultSummaryMapper.java

Service 层

• ✅ QcResultService.java
• ✅ QcResultSummaryService.java
• ✅ QcResultServiceImpl.java
• ✅ QcResultSummaryServiceImpl.java

质控引擎

• ✅ ImageQcEngine.java - 智能影像质控引擎核心实现

3. 前端代码

页面组件

• ✅ /src/views/qc/ImageQcTask.vue - 智能影像质控任务管理页面

API 接口

• ✅ /src/api/qc.ts - 质控相关 API
• ✅ /src/api/exam.ts - 检查数据 API

功能说明

1. 选择具体条数的质控数据 ✅

在创建质控任务时，可以：

• 点击"选择检查数据"按钮
• 从检查列表中精确选择 3 条数据
• 实时显示已选数据数量

2. 新增质控因子和质控标准 ✅

已创建 5 个影像质控维度：

因子编码	因子名称	可选值	权重
CHECK_RANGE	检查范围	过大/正常/过小	20%
BODY_POSITION	体位	标准/不标准	20%
IMAGE_ARTIFACT	图像伪影	无伪影/体外异物伪影/设备伪影	20%
CENTER_LINE	中心线	偏上/偏下/偏左/偏右/正常	20%
IMAGE_QUALITY_LEVEL	图像质控等级	X线:甲/乙/丙/丁; CT/MR:0/1/2/3级	20%

3. 新建质控任务 ✅

功能流程：

1. 点击"新建质控任务"
2. 填写任务信息：
   • 任务名称
   • 选择质控标准（影像质控标准）
   • 选择检查类型（CT/MR/DR/CR/US）
   • 设置计划数量
   • 选择 3 条检查数据
   • 是否使用预制结果
3. 点击创建

接口： POST /api/qc/task/create

4. 质控结果展示 ✅

结果包含两个维度：

总评（qc_result_summary）

• 检查ID
• 总分（满分100）
• 通过因子数
• 不通过因子数
• 质控等级
• 是否合格（≥60分合格）

明细（qc_result）

• 检查ID
• 质控因子名称
• 因子实际值
• 是否通过
• 得分
• 备注

使用流程

步骤1：执行 SQL（已完成）

-- 1. 更新表结构
source /Users/geng/Documents/IdeaProjects/QConline/doc/sql/update_qc_task.sql

-- 2. 初始化质控因子
source /Users/geng/Documents/IdeaProjects/QConline/doc/sql/image_qc_init.sql

步骤2：添加前端路由

在 /src/router/index.ts 中添加：

{
  path: '/qc/image-task',
  name: 'ImageQcTask',
  component: () => import('@/views/qc/ImageQcTask.vue'),
  meta: { title: '智能影像质控', requiresAuth: true }
}

步骤3：创建后端 Controller

还需要创建以下 Controller 来处理请求：

1. QcResultController.java - 质控结果接口
2. 更新 QcTaskManageController.java - 支持通过 examIds 创建任务
3. 创建质控任务执行服务

步骤4：测试流程

1. 登录系统
2. 进入"智能影像质控"页面
3. 点击"新建质控任务"
4. 选择"影像质控标准"
5. 选择检查类型（如 CT、MR）
6. 点击"选择检查数据"，选中 3 条数据
7. 点击"创建"
8. 点击"执行"按钮
9. 查看"质控结果"

质控等级判定规则

X线（DR/CR）

• 甲级：全部因子通过（0个不通过）
• 乙级：1个因子不通过
• 丙级：2个因子不通过
• 丁级：3个及以上因子不通过

CT/MR

• 0级：全部因子通过（0个不通过）
• 1级：1个因子不通过
• 2级：2个因子不通过
• 3级：3个及以上因子不通过

合格判定

• 总分 ≥ 60分：合格
• 总分 < 60分：不合格

质控因子检查规则

1. 检查范围（CHECK_RANGE）

• 通过标准：检查范围为"正常"
• 不通过：
  • 过大：检查范围超出正常范围
  • 过小：检查范围过小

2. 体位（BODY_POSITION）

• 通过标准：体位为"标准"
• 不通过：体位为"不标准"

3. 图像伪影（IMAGE_ARTIFACT）

• 通过标准：无伪影
• 不通过：
  • 体外异物伪影
  • 设备伪影

4. 中心线（CENTER_LINE）

• 通过标准：中心线位置"正常"
• 不通过：
  • 偏上
  • 偏下
  • 偏左
  • 偏右

5. 图像质控等级（IMAGE_QUALITY_LEVEL）

• X线通过标准：≥乙级（甲/乙级）
• CT/MR通过标准：≥1级（0级/1级）
• 不通过：低于上述标准

待完善功能

1. 后端 Controller

• 创建 QcResultController 提供结果查询接口
• 更新 QcTaskManageController 支持选择数据创建任务
• 创建任务执行服务，调用 ImageQcEngine

2. 前端路由配置

• 在 router 中添加 ImageQcTask 路由

3. 数据来源

• 从 DICOM 数据中提取真实的质控因子值
• 实现 AI 辅助的影像质控算法

4. 报告导出

• 导出质控结果报告（PDF/Excel）
• 生成质控统计图表

技术特点

1. 灵活性：支持自定义质控标准和因子
2. 可扩展性：易于添加新的质控维度
3. 智能化：预留 AI 接口，可集成深度学习模型
4. 标准化：符合医学影像质控规范
5. 可视化：直观的结果展示和数据分析

注意事项

1. 数据选择：必须选择 3 条质控数据
2. 质控标准：选择"影像质控标准"（标准类别=2）
3. 检查类型：支持 CT、MR、DR、CR、US
4. 预制结果：isPreset=1 时使用预制结果，isPreset=0 时执行实际检查

下一步工作

1. ✅ 数据库表已创建
2. ✅ 实体类已创建
3. ✅ Mapper 接口已创建
4. ✅ Service 层已创建
5. ✅ 质控引擎已实现
6. ✅ 前端页面已创建
7. ⏳ 需要创建 Controller 接口
8. ⏳ 需要集成到路由
9. ⏳ 需要实现真实的 DICOM 数据提取

---

创建时间：2025-12-26 功能版本：v1.0 状态：基础功能已完成，待集成测试