Azure.Health.Deidentification 1.0.0 版本发布:医疗数据去标识化能力升级
Azure.Health.Deidentification 是微软 Azure SDK for .NET 中的一个重要组件,专注于为医疗健康领域提供专业的数据去标识化(deidentification)功能。在医疗数据处理场景中,去标识化是一项关键的安全措施,它能够移除或替换个人识别信息(PII)和受保护健康信息(PHI),确保数据隐私同时保持数据的可用性。
核心功能增强
本次发布的 1.0.0 版本带来了多项重要改进,主要围绕 API 设计的清晰度和功能完整性展开:
- 
模型结构优化:新增了 DeidentificationCustomizationOptions和DeidentificationJobCustomizationOptions两个模型类,将原本分散的配置选项进行了合理归类。其中特别值得注意的是新增了SurrogateLocale字段,用于指定替代文本的区域设置,这对于国际化医疗数据处理尤为重要。
- 
存储控制增强:在 TargetStorageLocation模型中引入了Overwrite标志位,为输出文件的处理提供了更精细的控制能力,用户可以明确指定是否覆盖已存在的输出文件。
API 设计改进
- 
方法命名规范化:对客户端方法进行了重新命名,使其更准确地反映功能本质。例如将 Deidentify*系列方法更名为DeidentifyText*,明确表示这些方法处理的是文本内容;将CreateJob*更名为DeidentifyDocuments*,更直观地表达其文档处理能力。
- 
属性名称优化:将 DeidentificationContent.Operation更名为OperationType,提高了属性名的语义明确性;类似地,DeidentificationJob模型中的Name和Operation也分别更名为JobName和OperationType,使代码可读性得到提升。
- 
状态模型重构:将 OperationState更名为OperationStatus,这一变更虽然微小,但更符合 .NET 生态的命名惯例,使开发者能够更直观地理解其用途。
存储路径处理改进
- 
路径属性统一:将 SourceStorageLocation和TargetStorageLocation中的Path字段统一更名为Location,提高了 API 的一致性。
- 
前缀处理简化:调整了 TargetStorageLocation.Prefix的处理逻辑,现在它仅包含用户显式提供的值,不再自动包含作业名称。这一变更虽然可能影响现有代码,但提供了更可预测的行为,使路径生成逻辑更加透明。
弃用说明
本次版本中标记为弃用的功能将在未来版本中移除,开发者应当及时调整代码:
- DocumentDataType已被标记为弃用,建议开发者寻找替代方案。
- TaggerResult模型中的- Path和- Location属性也被标记为弃用,开发者应当使用模型提供的其他方式来获取相关信息。
升级建议
对于正在使用预览版的开发者,升级到 1.0.0 正式版时需要注意以下几点:
- 检查所有调用的方法名称,确保使用了新的命名规范。
- 验证所有模型属性的引用,特别是那些被重命名的属性。
- 重新评估存储路径生成逻辑,特别是依赖自动添加作业名称的场景。
- 替换所有使用已弃用类型和属性的代码。
这次版本升级标志着 Azure.Health.Deidentification 组件进入了稳定阶段,其改进的 API 设计和增强的功能将为医疗健康领域的数据隐私保护提供更加强大和可靠的支持。
 PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00 PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00 openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
 HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00 HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
 AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03 AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
 Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00 Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
 GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00 GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00 Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
项目优选
 docs
docs kernel
kernel flutter_flutter
flutter_flutter ops-math
ops-math pytorch
pytorch cangjie_tools
cangjie_tools ohos_react_native
ohos_react_native RuoYi-Vue3
RuoYi-Vue3 cangjie_compiler
cangjie_compiler Cangjie-Examples
Cangjie-Examples