
本地優先的醫療 AI:完全在裝置端執行的臨床命名實體辨識與符合 HIPAA 的個人資訊去識別化。擁有2200多個醫療模型,支援21種語言,相容 Apple MLX + Python,無需雲端,病患資料不會離開您的網路。Apache-2.0 授權。
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
5,400
±0 (10月13日〜)
最後提交
2026年11月
GitHub 建立日期
2025年10月4日
收錄日
—
自頁面建立時收錄
Star 數變化
以表格顯示
| 月份 | Star |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | — |
| 2026年7月 | — |
| 2026年8月 | — |
| 2026年9月 | 5,400 |
| 2026年10月 | 5,400 |
| 2026年11月 | 5,400 |
各月最後一次快照。1,000 以上的 Star 數以 100 為單位四捨五入。
在 PyPI 上的使用
PyPI 套件:openmed · 至 2026年10月 的每月數值(ClickPy)
近一年下載數
19,979,780
來自日本的比例(近一年)
0.0%
依賴它的 PyPI 套件
0
其中必要依賴 0
PyPI 每月下載數
以表格顯示
| 月份 | 下載數(月) |
|---|---|
| 2019年1月 | — |
| 2019年2月 | — |
| 2019年3月 | — |
| 2019年4月 | — |
| 2019年5月 | — |
| 2019年6月 | — |
| 2019年7月 | — |
| 2019年8月 | — |
| 2019年9月 | — |
| 2019年10月 | — |
| 2019年11月 | — |
| 2019年12月 | — |
| 2020年1月 | — |
| 2020年2月 | — |
| 2020年3月 | — |
| 2020年4月 | — |
| 2020年5月 | — |
| 2020年6月 | — |
| 2020年7月 | — |
| 2020年8月 | — |
| 2020年9月 | — |
| 2020年10月 | — |
| 2020年11月 | — |
| 2020年12月 | — |
| 2021年1月 | — |
| 2021年2月 | — |
| 2021年3月 | — |
| 2021年4月 | — |
| 2021年5月 | — |
| 2021年6月 | — |
| 2021年7月 | — |
| 2021年8月 | — |
| 2021年9月 | — |
| 2021年10月 | — |
| 2021年11月 | — |
| 2021年12月 | — |
| 2022年1月 | — |
| 2022年2月 | — |
| 2022年3月 | — |
| 2022年4月 | — |
| 2022年5月 | — |
| 2022年6月 | — |
| 2022年7月 | — |
| 2022年8月 | — |
| 2022年9月 | — |
| 2022年10月 | — |
| 2022年11月 | — |
| 2022年12月 | — |
| 2023年1月 | — |
| 2023年2月 | — |
| 2023年3月 | — |
| 2023年4月 | — |
| 2023年5月 | — |
| 2023年6月 | — |
| 2023年7月 | — |
| 2023年8月 | — |
| 2023年9月 | — |
| 2023年10月 | — |
| 2023年11月 | — |
| 2023年12月 | — |
| 2024年1月 | — |
| 2024年2月 | — |
| 2024年3月 | — |
| 2024年4月 | — |
| 2024年5月 | — |
| 2024年6月 | — |
| 2024年7月 | — |
| 2024年8月 | — |
| 2024年9月 | — |
| 2024年10月 | — |
| 2024年11月 | — |
| 2024年12月 | — |
| 2025年1月 | — |
| 2025年2月 | — |
| 2025年3月 | — |
| 2025年4月 | — |
| 2025年5月 | — |
| 2025年6月 | — |
| 2025年7月 | — |
| 2025年8月 | 309 |
| 2025年9月 | 94,109 |
| 2025年10月 | 131,553 |
| 2025年11月 | 98,507 |
| 2025年12月 | 194,806 |
| 2026年1月 | 291,143 |
| 2026年2月 | 494,275 |
| 2026年3月 | 670,319 |
| 2026年4月 | 994,511 |
| 2026年5月 | 2,696,730 |
| 2026年6月 | 3,108,492 |
| 2026年7月 | 3,975,274 |
| 2026年8月 | 3,110,306 |
| 2026年9月 | 1,847,093 |
| 2026年10月 | 2,498,324 |
同分類的熱門資源
HanLPhankcs37k面向下一個十年的自然語言處理。分詞、詞性標註、命名實體識別、句法與語義依存分析、文件分類。
stanzastanfordnlp7.9k用於分詞、分句、命名實體識別以及多種人類語言句法分析的 Stanford NLP Python 函式庫。
transformershuggingface167k🤗 Transformers:面向文字、視覺、音訊及多模態領域最先進機器學習模型的模型定義框架,同時支援推論與訓練。
spaCyexplosion34k💫 Python 實現的工業級自然語言處理(NLP)。
nltknltk15kNLTK 原始碼。
spark-nlpJohnSnowLabs4.2k最先進的自然語言處理。
研究領域相近的資源
namacochakki-works40基於字元的命名實體識別。GitHub共同: 命名實體與資訊擷取
rake-jakanjirz5021日語快速自動關鍵詞提取演算法GitHub共同: 命名實體與資訊擷取
MedNER-Jsociocom18最新版本的MedEX/J(日本疾病名稱提取器)GitHub共同: 命名實體與資訊擷取
huggingface-finetune-japanesetsmatz16用於日語語言(Hugging Face)資源的調整編碼器和編碼器-解碼器變壓器的示例
用於日語語言(Hugging Face)資源的調整編碼器和編碼器-解碼器變壓器的示例GitHub共同: 命名實體與資訊擷取
negimacocodrips14Negima是一個Python套件,可以通過使用您定義的基於詞性的規則來提取日文文本中的短語。GitHub共同: 命名實體與資訊擷取
entitypediachakki-works13Entitypedia是一個從維基百科擴展出來的命名實體詞典。GitHub共同: 命名實體與資訊擷取