登录
软件下载 帮助文档 新闻资讯

Skill UI

浏览并发现 18950+ 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 实体识别 ，共找到 38 条记录
默认排序 最新上传 最多下载

领域驱动设计模型重构

tactical-ddd
tech-leads-club/agent-skills
270
本工具专注于领域模型分析与重构，用于检测和修正“贫血模型”（Anemic Models）。它能识别代码中的行为缺失和封装不良，并指导用户按照领域驱动设计（DDD）的最佳实践，将其重构为包含实体、值对象、聚合根等结构丰富的领域模型。
查看详情

XSLT注入：安全测试手册

xslt-injection
yaklang/hack-skills
310
这是一份关于XSLT注入漏洞的综合测试手册。内容涵盖了从处理器指纹识别（Java、PHP、.NET等）到利用高级攻击链的完整流程。详细介绍了外部实体注入(XXE)、服务器端请求伪造(SSRF)、任意文件写入以及通过语言扩展实现的远程代码执行(RCE)等关键漏洞点。
查看详情

HIPAA安全港合规性审计

auditing-safe-harbor-checklist
maziyarpanahi/openmed
376
本工具为审核去标识化后的受保护健康信息（PHI）提供全面的合规性检查清单，依据HIPAA安全港标准（Safe Harbor）涵盖18个敏感标识符类别。它能将检测到的PII实体映射至对应类别，识别出潜在的脱敏数据缺失点，并指导用户评估残留的再识别风险，确保数据脱敏过程的完整性和合规性。
查看详情

临床NER模型评估与基准测试

benchmarking-clinical-ner
maziyarpanahi/openmed
231
本技能为临床或生物医学命名实体识别（NER）模型提供深度评估和详细的指标报告。它基于用户提供的金标准语料库，计算实体级别的精确率、召回率和F1分数。支持严格和松弛的匹配模式，并生成按标签划分的混淆矩阵和错误分析，帮助用户定位模型在临床任务中的具体缺陷。
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

OpenMed医疗生物医学NLP开发指南

building-with-openmed
maziyarpanahi/openmed
356
本技能是使用OpenMed构建临床和生物医学NLP管线的综合指南。OpenMed是一个本地优先的Python库，用于执行实体识别（NER）、受保护的健康信息（PHI）脱敏和FHIR导出，所有操作均在设备本地运行，无需网络调用。当您开始新的临床文本项目，需要选择合适的OpenMed能力（如零样本NER、审计或FHIR转换），或需要核心功能入口时，请使用本指南。
查看详情

OpenMed MCP服务器工具部署

deploying-openmed-mcp
maziyarpanahi/openmed
235
该技能部署了OpenMed模型上下文协议（MCP）服务器，将临床NLP工具（如命名实体识别、PII提取和去标识化）封装为可调用的工具。它允许AI智能体和聊天客户端通过工具调用来使用OpenMed功能，并在本地设备上安全运行，确保用户数据隐私。
查看详情

基于泄漏门的去标识化评估

evaluating-with-leakage-gates
maziyarpanahi/openmed
257
用于评估去标识化和临床命名实体识别模型是否符合严格的隐私保护标准。该功能不依赖于聚合F1分数，而是通过一系列泄漏门控（G1a-G8）检查模型是否存在残留的个人健康信息（PHI）泄露，从而判断模型是“可发布”还是“隔离”，确保模型满足HIPAA合规要求。
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

临床实体至FHIR R4导出

exporting-to-fhir
maziyarpanahi/openmed
329
该技能用于将OpenMed识别出的临床文本片段（NER输出）转换为结构化、符合FHIR R4标准的电子健康记录（EHR）资源。它提供构建CodeableConcept的机械帮助函数，支持SNOMED、LOINC、ICD-10等主流编码体系，确保数据具备高度的互操作性。
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

提取临床生物医学实体

extracting-clinical-entities
maziyarpanahi/openmed
320
用于从临床医学文本中执行实体的命名实体识别 (NER)。它可以提取疾病、药物、解剖结构、基因和蛋白质等结构化生物医学实体，并提供实体的精确字符范围和模型置信度得分。是构建专业、隐私优先的临床自然语言处理 (NLP) 流程的关键工具。
查看详情
上一页1234下一页
语言
简体中文
English