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 393 条记录
默认排序 最新上传 最多下载

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

多语言临床文本脱敏处理

deidentifying-multilingual-text
maziyarpanahi/openmed
341
该技能专为处理多国语言的临床医疗文本设计，能够从西班牙语、德语、法语、阿拉伯语等多种语言的病历中脱去敏感的个人身份信息（PII）。系统能自动匹配语言对应的PII模型和国家级证件正则规则，并生成高度本地化的替代假数据，确保脱敏结果的真实性和可用性。
查看详情

日志PHI脱敏与安全防护

enforcing-nophi-logging
maziyarpanahi/openmed
429
本技能提供一个日志记录卫士，用于防止受保护的健康信息（PHI）泄露到日志、追踪和错误报告中。它在数据发送前作为过滤器运行，通过正则表达式脱敏结构化标识符（如SSN、邮箱），并使用模型处理自由文本PHI，确保日志在传输到集中存储时保持数据隐私和合规性。
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

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

从临床文本提取个人身份信息

extracting-pii-entities
maziyarpanahi/openmed
102
使用 openmed.extract_pii 检测临床文本中的个人身份信息（PII）或受保护健康信息（PHI）范围（如姓名、日期、病历号等）。与脱敏功能不同，它返回原始文本和检测到的跨度，用户无需修改源数据即可进行审计、预览脱敏效果、规范化标签或路由到自定义匿名化处理程序。非常适用于数据预处理和策略执行。
查看详情

提取社会决定因素与代码映射

extracting-sdoh
maziyarpanahi/openmed
305
本功能用于从非结构化的临床叙述中提取社会决定因素（SDOH），包括住房不稳定、食物不安全和交通障碍等。它将这些文本片段映射到标准化的ICD-10-CM Z代码（Z55–Z65）。这对于进行健康公平性分析、构建风险分层模型和识别编码缺失至关重要，能将叙述性文本转化为可查询的离散数据点。
查看详情
上一页123...2627282930313233下一页
语言
简体中文
English