/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
CC0 1.0

bluebert_pubmed_mimic_uncased_L-12_H-768_A-12

Языковая модель3 профессии

Англоязычная BERT-модель, предварительно обученная на PubMed и клинических записях MIMIC-III для последующей настройки на задачи медицинской обработки текста.

15 816скачиваний за 30 дней22лайкавеса обновлены24 сен 2021

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

BlueBERT — англоязычная модель на архитектуре BERT, предварительно обученная на медицинских текстах: аннотациях PubMed и клинических записях MIMIC-III. В репозитории представлены варианты с 12 слоями, скрытым размером 768 и 12 головами внимания; размер модели составляет 136,7 млн параметров, длина контекста — до 512 токенов. Доступны веса PyTorch и Flax.

Модель предназначена для последующей настройки и применения в задачах обработки биомедицинского и клинического текста, например для классификации медицинских документов или извлечения сведений из клинических записей. Она специализируется на англоязычной медицинской лексике благодаря предобучению на PubMed и MIMIC-III. Лицензия — CC0 1.0. Результаты не предназначены для самостоятельной диагностики или принятия медицинских решений без проверки клиническим специалистом.

Сценарии применения

  • классификация англоязычных медицинских текстов
  • извлечение медицинских сведений из клинических записей
  • анализ аннотаций PubMed
  • дообучение моделей для задач биомедицинского NLP

Ограничения

Для диагностических и иных медицинских решений требуется проверка клиническим специалистом. Карточка описывает предобученную модель, но не задаёт конкретную downstream-задачу или метрики качества.

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

BlueBert-Base, Uncased, PubMed and MIMIC-III

Model description

A BERT model pre-trained on PubMed abstracts and clinical notes (MIMIC-III).

Intended uses & limitations

How to use

Please see https://github.com/ncbi-nlp/bluebert

Training data

We provide preprocessed PubMed texts that were used to pre-train the BlueBERT models. The corpus contains ~4000M words extracted from the PubMed ASCII code version.

Pre-trained model: https://huggingface.co/bert-base-uncased

Training procedure

Below is a code snippet for more details.

value = value.lower()
value = re.sub(r'[\r\n]+', ' ', value)
value = re.sub(r'[^\x00-\x7F]+', ' ', value)

tokenized = TreebankWordTokenizer().tokenize(value)
sentence = ' '.join(tokenized)
sentence = re.sub(r"\s's\b", "'s", sentence)

BibTeX entry and citation info

@InProceedings{peng2019transfer,
  author    = {Yifan Peng and Shankai Yan and Zhiyong Lu},
  title     = {Transfer Learning in Biomedical Natural Language Processing: An Evaluation of BERT and ELMo on Ten Benchmarking Datasets},
  booktitle = {Proceedings of the 2019 Workshop on Biomedical Natural Language Processing (BioNLP 2019)},
  year      = {2019},
  pages     = {58--65},
}

Acknowledgments

This work was supported by the Intramural Research Programs of the National Institutes of Health, National Library of Medicine and Clinical Center. This work was supported by the National Library of Medicine of the National Institutes of Health under award number 4R00LM013001-01.

We are also grateful to the authors of BERT and ELMo to make the data and codes publicly available.

We would like to thank Dr Sun Kim for processing the PubMed texts.

Disclaimer

This tool shows the results of research conducted in the Computational Biology Branch, NCBI. The information produced on this website is not intended for direct diagnostic use or medical decision-making without review and oversight by a clinical professional. Individuals should not change their health behavior solely on the basis of information produced on this website. NIH does not independently verify the validity or utility of the information produced by this tool. If you have questions about the information produced on this website, please see a health care professional. More information about NCBI's disclaimer policy is available.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Ревизия весов
c656dbe

0 моделей