S

Stanford Deidentifier With Radiology Reports And I2b2

由StanfordAIMI開發
基於轉換器模型的放射學報告自動化去標識系統,通過檢測受保護健康信息(PHI)並替換為擬真替代值實現隱私保護
下載量 126
發布時間 : 6/9/2022

模型概述

專為放射學和生物醫學文檔設計的自動化去標識模型,結合PubMedBERT轉換器與'隱於市'規則方法,可高效識別並替換PHI信息

模型特點

跨機構高性能
在已知機構/新機構測試集上分別達到97.9/99.6 F1值,超越人工標註水平
混合方法論
結合PubMedBERT轉換器與'隱於市'規則方法,同時保證識別精度與替換合理性
多領域驗證
在6193份多機構跨領域數據集(含X光片/CT/病歷)完成驗證

模型能力

受保護健康信息檢測
醫療文本去標識化
擬真替代值生成
放射報告隱私處理

使用案例

醫療隱私保護
胸片報告去標識
自動識別並替換胸部X光報告中的患者/醫生/機構等敏感信息
PHI核心內容識別召回率達99.1%
跨機構數據共享
在保留臨床價值前提下實現醫療數據的匿名化傳輸
在新機構數據上達到99.6 F1值
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase