A Tarefa Compartilhada 1 da CEGS N-GRID 2016 em Processamento Clínico de Linguagem Natural concentra-se na des-identificação de registros de avaliação psiquiátrica. Este artigo descreve dois sistemas participantes da nossa equipe, com base em campos aleatórios condicionais (CRFs) e redes de memória de longo prazo (LSTMs). Foi introduzido um módulo de pré-processamento para detecção e tokenização de sentenças antes da identificação. Para CRF, foram utilizados recursos ricos extraídos manualmente para treinar o modelo. Para LSTMs, uma rede LSTM bidirecional de nível de personagem foi aplicada para representar tokens e classificar tags para cada token, após o qual uma camada de decodificação foi empilhada para decodificar os termos mais prováveis %u200B%u200Bde informação de saúde protegida (PHI). O sistema baseado em LSTM alcançou uma medida micro-F 1 rigorosa i2b2 de 0.8986, que foi maior que a do sistema baseado em CRF.