arXiv · NLP· Sina Daneshgar, Raya Namazi, Amirali Khosravi, Pouria Rouzrokh, Bardia Khosravi·· 4 小时前AI 评分21
EdgeDeID：一款在无真实患者数据训练下实现的 0.6B 本地临床去标识模型
EdgeDeID: A 0.6B Clinical De-identifier Trained Without Real Patient Data
AI 导读
EdgeDeID 是一个 0.6B 参数的本地运行临床去标识模型，完全使用合成数据训练，无需真实患者文本参与。 在 100 条合成临床笔记的基准测试中，该模型达到 0.994 micro-F1，99% 的笔记无遗漏标识符；对比八款现成系统中最强者的 0.857 F1 和 12% 遗漏率表现更优，量化后仅需 615 MB CPU 内存。
来源：arXiv · NLP · arxiv.org