登录
软件下载 帮助文档 新闻资讯

Skill UI

浏览并发现 15857+ 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
共 1845 个技能
默认排序 最新上传 最多下载

恶意软件配置复原与分析

competition-malware-config
zhaoxuya520/reverse-skill
57
这是一个用于高级威胁分析的专业技能。它专注于从复杂的恶意软件样本中，恢复隐藏的配置、解码C2（命令与控制）参数、解包分阶段载荷，并提取IOC。核心在于找到准确的解码链（包括压缩、编码和加密步骤），并将恢复的字段与沙箱环境中的实际行为结果关联起来。
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

隐私政策配置与脱敏处理

configuring-privacy-policies
maziyarpanahi/openmed
400
本技能用于配置多种符合法规的隐私保护策略，支持对敏感数据进行脱敏处理。用户可以根据HIPAA、GDPR、PIPEDA等不同地域和场景的法律要求，选择合适的策略，确保数据脱敏、替换或假名化，从而满足数据共享和研究的合规需求。
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

药物不良反应信号检测

detecting-pv-signals
maziyarpanahi/openmed
69
本工具利用OpenFDA/FAERS数据，计算不比例性指标（如PRR、ROR、EBGM等）。通过构建2x2列联表，对药物和不良反应的自发报告进行统计筛选，从而检测潜在的药物反应关联信号（SDR）。这为药物警戒和安全评估提供了重要的统计学假设。
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

文档结构化检验报告提取

extracting-lab-tables
maziyarpanahi/openmed
284
本技能能够自动检测并从扫描图像、照片、CSV/TSV等多种来源提取结构化的实验室表格面板。它将复杂的视觉报告数据转化为干净的结构化行记录，包含检验项名称、数值、单位、参考范围和异常标记。该功能是准备医疗数据进行LOINC/UCUM编码和映射至FHIR资源的关键前置步骤。
查看详情
上一页123...149150151152153154下一页
语言
简体中文
English