登录
软件下载 帮助文档 新闻资讯

Skill UI

浏览并发现 19384+ 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 CLI ，共找到 1497 条记录
默认排序 最新上传 最多下载

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

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

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

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

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...90919293949596...123124125下一页
语言
简体中文
English