登录
软件下载 帮助文档 新闻资讯

Skill UI

浏览并发现 16569+ 精选技能
全部 编程开发 人工智能 设计创意 产品商业 数据科学 市场营销 职场通用 效率工具 硬件工程 语言学习
搜索 文本 ，共找到 43 条记录
默认排序 最新上传 最多下载

文本检索会议投稿定位指南

text-retrieval-conference
brycewang-stanford/Awesome-Journal-Skills
202
本技能旨在指导作者将信息检索（IR）相关的学术论文，根据Text REtrieval Conference (TREC)的特定要求进行定位和重构。它是一个专业的投稿定位工具，帮助作者确保论文的证据链、贡献类型以及评估方法与TREC关注的共享测试集、检索任务和NIST式基准测试高度匹配，从而提高投稿成功率。
查看详情

去标识化数据泄露审计

auditing-deid-leakage
maziyarpanahi/openmed
180
用于对已去标识化的临床文本进行对抗性二次扫描，检测残留的个人健康信息（PHI）或身份标识符。它结合了结构化正则检测（如SSN、电话、日期）和模型二次检测，计算泄露严重性。一旦发现任何泄露，系统将立即阻止数据发布，确保数据脱敏达到最高合规标准。
查看详情

构建黄金标准标注语料库

building-gold-corpus
maziyarpanahi/openmed
385
本技能用于构建用于评估临床命名实体识别和去标识化模型的黄金标准语料库。它指导用户完成整个标注流程，包括定义标签模式、撰写标注指南、配置标注工具和生成合成临床文本。最终目标是创建结构化、无数据泄露的训练/开发/测试数据集，确保评估的科学性和可重复性。
查看详情

临床笔记电子质量指标计算

computing-ecqms
maziyarpanahi/openmed
198
该技能用于计算电子临床质量指标（eCQMs），通过CQL（临床质量语言）和QDM模型，将自由文本临床笔记中的关键信息（如咨询记录、症状或排除原因）提取出来。它将这些文本证据提升并补充到结构化的电子病历数据中，从而准确计算出质量指标的分子和有效排除项。本工具旨在增强数据捕获能力，不能替代专业的认证测量引擎。
查看详情

定义可计算的表型和队列

defining-cohort-phenotypes
maziyarpanahi/openmed
151
本工具指导使用OHDSI/OMOP CDM构建可计算的病患表型和队列。它允许用户结合标准的概念集（如PheKB）和从临床自由文本中提取的自然语言处理（NLP）特征，定义精确、可执行的筛选标准。特别适用于结构化代码无法捕获的关键健康信息（如症状、社会背景）的分析场景。
查看详情

临床数据文本去标识化

deidentify-a-dataset
maziyarpanahi/openmed
362
该工具用于对本地的结构化数据集（如CSV, JSONL, Parquet）中的自由文本列进行去标识化处理。它利用OpenMed模型移除个人健康信息（PHI），生成一个完全脱敏的数据集和一个不含PHI的聚合摘要，从而实现数据的安全共享和分析，同时确保源数据的隐私不泄露。
查看详情

临床文本去标识化处理

deidentifying-clinical-text
maziyarpanahi/openmed
339
本技能用于本地设备上对临床自由文本进行去标识化处理。它可以移除、掩码、替换或哈希敏感的PHI/PII，支持多种方法（如日期偏移）。它确保了在共享、存储或分析医疗记录时，完全保护患者隐私，符合HIPAA和GDPR等严格的隐私标准。
查看详情

NLP事实到OMOP数据模型转换

etl-to-omop-cdm
maziyarpanahi/openmed
113
本技能负责执行核心的ETL流程，将OpenMed从文本中提取并编码的临床事实（如疾病、药物、测量值）映射到OMOP通用数据模型（CDM）v5.4。它用于在实体提取和源代码编码之后，将非结构化的NLP发现转换为标准化的、符合OMOP规范的记录，供OHDSI进行深度分析。
查看详情

批量导出FHIR数据用于分析

exporting-bulk-fhir
maziyarpanahi/openmed
136
用于从电子病历系统或FHIR数据仓库批量提取大规模（群体级）的临床文本记录。通过FHIR Bulk Data Access执行异步导出，获取NDJSON格式的数据流。该数据流设计用于分批传输给OpenMed进行脱敏处理和命名实体识别（NER）分析，是数据分析流程的起点。
查看详情

临床实体到FHIR资源提取

extract-clinical-entities-to-fhir
maziyarpanahi/openmed
297
该工具用于从合成或脱敏的临床文本中提取实体。它通过OpenMed识别关键的临床信息跨度，并将这些信息映射为符合FHIR R4标准的结构化资源（如Condition、Observation等）。这实现了实体提取与临床编码的分离，确保输出数据具备标准化和可互操作性。
查看详情

提取DICOM元数据和报告文本

extracting-dicom-metadata
maziyarpanahi/openmed
136
本技能用于从DICOM影像文件中提取关键的患者元数据（如姓名、日期）和结构化报告文本。它解决了将医疗影像导入自然语言处理（NLP）流程的痛点，是进行数据脱敏和临床文本分析的必要前置步骤。
查看详情

提取和处理FHIR R4临床记录

fetching-fhir-resources
maziyarpanahi/openmed
371
该技能用于从FHIR R4电子病历API（如Epic, Cerner）中提取和处理未结构化的临床病历和报告。它负责处理分页查询、解码Base64附件（PDF, TXT）以及提取叙事文本。随后，文本会被传递给OpenMed流程进行符合HIPAA标准的去标识化和自然语言处理分析，从而将原始临床记录转化为可分析的结构化洞察。
查看详情
上一页1234下一页
语言
简体中文
English