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

搜索 PII ，共找到 132 条记录

默认排序最新上传最多下载

去标识化数据泄露审计

auditing-deid-leakage

maziyarpanahi/openmed

用于对已去标识化的临床文本进行对抗性二次扫描，检测残留的个人健康信息（PHI）或身份标识符。它结合了结构化正则检测（如SSN、电话、日期）和模型二次检测，计算泄露严重性。一旦发现任何泄露，系统将立即阻止数据发布，确保数据脱敏达到最高合规标准。

HIPAA安全港合规性审计

auditing-safe-harbor-checklist

maziyarpanahi/openmed

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。

临床文本批处理

batch-processing-clinical-text

maziyarpanahi/openmed

用于对大规模临床文本语料库进行批处理的工具。支持在本地设备上执行NER、隐私信息（PII）提取和脱敏处理。内置断点续传、分片和流式输出功能，确保处理数千份病历时数据安全、资源高效，且不会占用过多内存。

PII召回率模型基准测试

benchmark-pii-recall

maziyarpanahi/openmed

该工具用于对个人身份信息（PII）检测模型进行严格的召回率基准测试。它通过利用合成样本和预设的召回阈值，强制模型在发布前达到最低的隐私保护标准，确保识别出的关键信息没有漏报，避免隐私数据泄露。

连接OpenMed与主流NLP生态系统

bridging-presidio-and-spacy

maziyarpanahi/openmed

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。

发现和选择 OpenMed 模型注册表

choosing-openmed-models

maziyarpanahi/openmed

本技能用于程序化地发现、过滤和检查整个 OpenMed 模型注册表。它允许用户为特定临床任务（如疾病、肿瘤学、PII检测）查找正确的模型密钥，并能按语言、大小或任务进行过滤，在加载模型前检查元数据。使用后可与 `loading-openmed-models` 配合使用。

临床文本去标识化处理

deidentifying-clinical-text

maziyarpanahi/openmed

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。

多语言临床文本脱敏处理

deidentifying-multilingual-text

maziyarpanahi/openmed

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。

OpenMed MCP服务器工具部署

deploying-openmed-mcp

maziyarpanahi/openmed

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。

从临床文本提取个人身份信息

extracting-pii-entities

maziyarpanahi/openmed

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。

设备端隐私信息模型选择

pick-a-pii-model

maziyarpanahi/openmed

本指南用于从预定模型库中选择适合在设备端运行的个人身份信息（PII）检测模型。它根据输入语言、所需运行环境（如PyTorch、MLX）和内存预算进行筛选。核心流程包括离线构建候选列表，并强调在部署前必须进行严格的召回率验证和性能基准测试，以确保数据隐私安全。

OpenMed临床NLP REST API部署

serving-openmed-rest-api

maziyarpanahi/openmed

本技能提供OpenMed的FastAPI RESTful服务，用于构建自托管的临床NLP微服务。它核心功能包括临床命名实体识别（NER）、个人身份信息（PII）提取和去识别化处理。适用于需要将模型部署为内部API、进行批处理或构建安全推理层级的场景，支持模型生命周期管理和动态批处理。

上一页 1 2 3...8 9 1011

语言