登录
软件下载 帮助文档 新闻资讯

Skill UI

浏览并发现 18671+ 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 NLP ，共找到 94 条记录
默认排序 最新上传 最多下载

计算语义学会议论文匹配度评估

starsem-conference-on-computational-semantics
brycewang-stanford/Awesome-Journal-Skills
96
本技能为目标投稿至“计算语义学会议”（*SEM）的作者提供全面的指南。它旨在帮助作者评估论文的会议匹配度，优化文章框架，明确语义表征、语义解析和推理等核心领域的证据要求。本工具是用于论文投稿策略规划和学术定位的专业参考。
查看详情

学术会议投稿周期规划

wsdm-workflow
brycewang-stanford/Awesome-Journal-Skills
205
本指南为研究人员提供了一份完整的AI/NLP学术会议投稿年历规划。它详尽描述了从摘要撰写到最终会议的年度关键里程碑，涵盖了短论文、演示展示等多种投稿路径，帮助用户系统化管理研究项目的进度和时间安排。
查看详情

模型亚组公平性审计

auditing-subgroup-fairness
maziyarpanahi/openmed
293
该技能用于审计OpenMed的NER或去标识化模型，以检测不同人口子群组（如性别、年龄、种族）之间的性能差异。它计算了每个子群组的召回率和泄露率差异，帮助用户在部署前发现“欠保护”现象，确保AI系统的公平性和可治理性。
查看详情

连接OpenMed与主流NLP生态系统

bridging-presidio-and-spacy
maziyarpanahi/openmed
276
本模块提供了一个延迟适配器注册中心，旨在将OpenMed的临床PII检测能力无缝集成到Microsoft Presidio、spaCy和LangChain等主流NLP框架中。用户可以通过此能力，在不重写整个工作流程的情况下，利用OpenMed增强PII召回、合并实体跨度或实现设备端PHI脱敏保护层。
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

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

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

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

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

合成替代数据去标识化

generating-synthetic-surrogates
maziyarpanahi/openmed
121
本技能用于将临床文本中的受保护健康信息（PHI）替换为逼真的、类型匹配的合成替代数据。与简单遮蔽不同，替代数据保持了文本的自然可读性和结构，确保数据在后续的NLP处理、质量保证或人工审阅时仍然可解析。它支持一致性和自定义生成器，适用于需要可读的去标识化场景。
查看详情
上一页12345678下一页
语言
简体中文
English