← ClaudeAtlas

crf-ocr-entrylisted

把纸质/扫描版 CRF(病例报告表)与临床问卷——尤其是含大量手写填答的表格——自动 OCR 识别、抽取为结构化数据集, 生成 REDCap 标准数据字典 CSV,导出为 Excel/CSV/SAS,并跑 Python 数据质控。当用户要把扫描 CRF/PDF 表单转成 Excel/SAS/CSV、做 CRF 录入、OCR 识别医学表单、生成数据字典/变量词典、转录手写临床数据、或提到 PaddleOCR / PP-Structure / REDCap 数据字典 / EDC 建库时,务必使用本 skill。Use this whenever the user needs to digitize scanned case report forms (CRF) or clinical questionnaires — especially handwritten ones — into structured data, a REDCap data dictionary, or needs OCR-based medical form data entry and data-quality checking.
xjjbeijing-julio/crf-ocr-entry · ★ 1 · Data & Documents · score 64
Install: claude install-skill xjjbeijing-julio/crf-ocr-entry
# CRF 扫描表自动录入(OCR → 数据字典 → 数据库 → 质控) 把纸质 CRF 的扫描件(PDF/图片)变成「干净的结��化数据 + REDCap 数据字典 + 质控报告」。设计上针对**大量手写填答**的场景:PaddleOCR 负责版面/表格/印刷字定位,多模态 LLM 负责读手写内容——两者分工,而不是让单一 OCR 硬啃手写。 ## 何时使用 - 用户有一批扫描/拍照的 CRF、问卷、随访表、检查单,想自动录入成数据表; - 需要生成数据字典/变量词典(REDCap 或中文),或导入 EDC 建库; - 需要对录入结果做缺失、取值域、一致性、重复值的自动核查; - 提到 PaddleOCR、PP-Structure、OCR 录入、手写识别、REDCap、数据字典等。 ## 总流程(5 步) ``` 扫描 CRF(PDF/图片) → [1] 版面/表格定位 scripts/ocr_layout.py (PaddleOCR PP-Structure) → [2] 手写字段识别 scripts/extract_handwriting.py (多模态 LLM,读手写/勾选) → [3] 生成数据字典 scripts/build_redcap.py (REDCap CSV + 数据表) → [4] 组装数据表 scripts/build_redcap.py (CSV / Excel / SAS) ���� [5] 数据质控 scripts/quality_check.py (Python,输出报告) ``` **关键顺序**:先建数据字典(明确"有哪些字段、什么类型、什���取值"),再抽取数据、再做质控。数据字典是质控的输入——没有字典,质控无从判断"什么值非法"。所以不要跳过第 3 步直接抽数据。 ## 前置:确认 schema(字段清单) 抽取前必须有一个字段清单 `schema.json`,它是整个流程的"契约"。来源有二: 1. **已有 CRF/方案文档**:先让 Claude 读 CRF 的印刷标签/表头,整理出字段清单(变量名、中文标签、类型、取值域、逻辑校验),写进 `schema.json`。 2. **用户直接提供**:用户给出变量清单或原数据字典。 `schema.json` 格式(字段名直接对应 REDCap 数据字典列): ```json { "form_name": "baseline", "fields": [ { "variable": "age", "field_label": "年龄(岁)", "field_type": "text", "text_validation": "integer", "min": "18", "max": "120", "choices": "", "required": "y", "branching_logic": "", "value": null }, { "variable": "smoking", "field_label": "是否吸烟", "field_type": "radio", "choices": "0, 否 | 1, 是", "req