T
traeai
登录

产品

Aegis

作者开源的医学影像去标识化PyTorch项目,封装MONAI Transform实现自动化PHI移除。

已跟踪 1 条高相关材料

TraeAI 观察

最近变化

2026-05-22 · 使用EasyOCR检测DICOM图像像素中烧录的文本(burned-in text),再用Stanford NER模型(stanford-deidentifier-base)分类PHI与非PHI。

为什么值得关注

Aegis 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。

DICOMHIPAA合规MONAI医学影像去标识化

相关材料

已收录 1 条与 Aegis 相关的内容,按评分排序。

How to Build an AI-Powered Medical Image De-Identification Pipeline for Clinical Research

如何构建面向临床研究的AI驱动医学影像去标识化流水线

freeCodeCamp.org1626 字 (约 7 分钟)
87

本文系统介绍了如何构建一个基于AI的医学影像去标识化(de-identification)流水线,通过OCR+NER+DICOM处理三重机制,自动移除DICOM图像中元数据与像素内嵌的患者身份信息(PHI),满足HIPAA合规要求。

入选理由:使用EasyOCR检测DICOM图像像素中烧录的文本(burned-in text),再用Stanford NER模型(stanford-deidentifier-base)分类PHI与非PHI。

精选文章#医学影像#HIPAA合规#去标识化#DICOM#MONAI英文

跨材料问答 · Aegis

回答基于:Aegis 相关 1 条材料
    0 / 500

    AI 可能会生成不准确的信息,请核实重要内容