本地语言模型与基于规则的神经检测器分层，用于临床文本去识别：开源工具包和评估

原文：A local language model layered with rule-based and neural detectors for clinical text de-identification: an open-source toolkit and evaluation

目标：衡量本地托管的大语言模型 (LLM) 与确定性和临床命名实体识别 (NER) 检测器的堆叠是否比开放工具发现更多受保护的健康信息 (PHI)，以及精确度如何。材料和方法：DeidSharp，一个开源 .NET 工具包，结合了可插拔检测器的发现（模式、临床 NER 模型、本地 26B 混合）

正文由本站服务器抓取保存（已自动过滤广告、推荐位与追踪图片），排版与原站可能不同；版权归原站所有。