DeidSharp 开源工具包：本地 26B MoE LLM 加规则检测器做临床文本去标识化
做了个开源的 .NET 临床去标识化工具包，规则加 NER 加本地 26B LLM 三层叠加，数据全程不出院。在 MIMIC-IV 出院小结上召回率比 Stanford/Penn 高 20 多个点，还同时提供高召回和高精确两种配置。做医疗 NLP 或医院信息化的团队可以直接拿来用。
做了个开源的 .NET 临床去标识化工具包，规则加 NER 加本地 26B LLM 三层叠加，数据全程不出院。在 MIMIC-IV 出院小结上召回率比 Stanford/Penn 高 20 多个点，还同时提供高召回和高精确两种配置。做医疗 NLP 或医院信息化的团队可以直接拿来用。