/ Модель

Характеристики

Контекст
514 токенов
Параметры
153 млн
Лицензия
GPL 3.0
Архитектура
roberta · dense
Опубликована
9 фев 2024

MedRoBERTa.nl_Experiencer

Разметка токеновТекст → label3 профессии

Модель RoBERTa для выявления участника, к которому относится клиническое упоминание, в нидерландских медицинских текстах.

551скачиваний за 30 дней0лайковвеса обновлены14 фев 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

UMCU/MedRoBERTa.nl_Experiencer — медицинская модель на архитектуре RoBERTa, разработанная командой MedRoBERTa.nl и дообученная Брамом ван Эсом для распознавания того, к кому относится упомянутое в тексте клиническое состояние или событие (experiencer detection). Модель предназначена для нидерландских клинических текстов и использует контекстные окна до 64 токенов вокруг размечаемого понятия.

Базовую модель MedRoBERTa.nl предварительно обучали с нуля на почти 10 миллионах обезличенных записей из электронных медицинских карт больниц Амстердамских университетских медицинских центров. Для дообучения использован корпус Erasmus Dutch Clinical Corpus с синтетическим увеличением доли редких классов. Это модель RoBERTa для классификации токенов объёмом 153,2 млн параметров; максимальный контекст составляет 514 токенов. Для доступа к медицинским классификаторам авторы предлагают связаться с ними; упоминается интеграция в библиотеку clinlp. Лицензия — GPL-3.0.

Модель подходит для извлечения сведений о пациенте и других участниках клинических записей, например, чтобы отличать анамнез самого пациента от семейного анамнеза. Она специализирована на нидерландском медицинском тексте; качество на других языках и вне клинического домена не заявлено.

Сценарии применения

  • Определение, относится ли медицинское состояние к пациенту или другому лицу
  • Разбор семейного анамнеза в клинических записях
  • Разметка упоминаний переживателя события в нидерландских медицинских текстах

Ограничения

Модель обучена для нидерландских клинических текстов и контекста до 64 токенов вокруг размечаемого понятия; применимость к другим языкам и общим текстам не установлена. Авторы предлагают связаться с ними для доступа к медицинским классификаторам.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MedRoBERTa.nl finetuned for experiencer

Description

This model is a finetuned RoBERTa-based model pre-trained from scratch on Dutch hospital notes sourced from Electronic Health Records. All code used for the creation of MedRoBERTa.nl can be found at https://github.com/cltl-students/verkijk_stella_rma_thesis_dutch_medical_language_model. The publication associated with the negation detection task can be found at https://arxiv.org/abs/2209.00470. The code for finetuning the model can be found at https://github.com/umcu/negation-detection.

Minimal example

tokenizer = AutoTokenizer\
             .from_pretrained("UMCU/MedRoBERTa.nl_Experiencer")
model = AutoModelForTokenClassification\
            .from_pretrained("UMCU/MedRoBERTa.nl_Experiencer")

some_text = "De patient was niet aanspreekbaar en hij zag er grauw uit. \
Hij heeft de inspanningstest echter goed doorstaan. \
De broer heeft onlangs een operatie ondergaan."

inputs = tokenizer(some_text, return_tensors='pt')
output = model.forward(inputs)
probas = torch.nn.functional.softmax(output.logits[0]).detach().numpy()

#  associate with tokens
input_tokens = tokenizer.convert_ids_to_tokens(inputs['input_ids'][0])
target_map = {0: 'B-Patient', 1:'B-Other',2:'I-Patient',3:'I-Other'}
results = [{'token': input_tokens[idx],
                 'proba_patient': proba_arr[0]+proba_arr[2],
                 'proba_other': proba_arr[1]+proba_arr[3]
                 }  
                 for idx,proba_arr in enumerate(probas)]

The medical entity classifiers are (being) integrated in the opensource library clinlp, feel free to contact us for access, either through Huggingface or through git.

It is perhaps good to note that we assume the Inside-Outside-Beginning format.

Intended use

The model is finetuned for experiencer detection on Dutch clinical text. Since it is a domain-specific model trained on medical data, it is meant to be used on medical NLP tasks for Dutch. This particular model is trained on a 64-max token windows surrounding the concept-to-be labeled.

Data

The pre-trained model was trained on nearly 10 million hospital notes from the Amsterdam University Medical Centres. The training data was anonymized before starting the pre-training procedure.

The finetuning was performed on the Erasmus Dutch Clinical Corpus (EDCC), which was synthetically upsampled for the minority classses. The EDCC can be obtained through Jan Kors (j.kors@erasmusmc.nl). The EDCC is described here: https://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-014-0373-3

Authors

MedRoBERTa.nl: Stella Verkijk, Piek Vossen, Finetuning: Bram van Es

Contact

If you are having problems with this model please add an issue on our git: https://github.com/umcu/negation-detection/issues

Usage

If you use the model in your work please use the following referral; https://doi.org/10.1186/s12859-022-05130-x

References

Paper: Verkijk, S. & Vossen, P. (2022) MedRoBERTa.nl: A Language Model for Dutch Electronic Health Records. Computational Linguistics in the Netherlands Journal, 11.

Paper: Bram van Es, Leon C. Reteig, Sander C. Tan, Marijn Schraagen, Myrthe M. Hemker, Sebastiaan R.S. Arends, Miguel A.R. Rios, Saskia Haitjema (2022): Negation detection in Dutch clinical texts: an evaluation of rule-based and machine learning methods, Arxiv

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaForTokenClassification
Ревизия весов
d9318c4

0 моделей