/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
OpenRAIL
Архитектура
albert · dense
Библиотека
transformers
Опубликована
5 мая 2023

albert-medical-ner-proj

Разметка токеновТекст → label3 профессии

Модель на базе ALBERT выделяет именованные сущности в англоязычных медицинских текстах.

16скачиваний за 30 дней8лайковвеса обновлены7 мая 2023

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

medical-ner-proj опубликовал модель распознавания медицинских именованных сущностей на базе ALBERT. Она предназначена для выделения сущностей в англоязычных клинических текстах, например сведений о заболеваниях, симптомах, лекарствах и показателях осмотра. Модель использует архитектуру ALBERT с классификатором токенов, содержит 136,3 млн параметров и принимает контекст до 512 токенов.

Модель подходит для извлечения клинических фактов из медицинских записей и структурирования анамнеза или результатов осмотра. Репозиторий содержит веса PyTorch, библиотека для работы — Transformers. Лицензия OpenRAIL; README не описывает конкретные классы сущностей и метрики качества.

Сценарии применения

  • извлечение заболеваний из клинических записей
  • выделение симптомов и признаков из медицинских заметок
  • поиск упоминаний лекарств в анамнезе
  • структурирование показателей физического осмотра

Ограничения

Окно контекста ограничено 512 токенами. В карточке не приведены метрики качества и перечень поддерживаемых типов сущностей.

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

widget:

  • example_title: "Example 1" text: "John Doe has a history of hypertension, which is well-controlled with medication. He has no history of allergies or surgeries. He is not currently taking any medication except for his blood pressure medication."
  • example_title: "Example 2" text: "On physical examination, John Doe appears acutely ill. He has a temperature of 38.5°C and a heart rate of 105 beats per minute. His blood pressure is 140/90 mmHg, and his oxygen saturation is 90% on room air. His lungs have diminished breath sounds and wheezing. There is no cyanosis, and his heart sounds are normal."
  • example_title: "Example 3" text: "Based on Mary Smith's symptoms and physical examination, she is suspected to have suffered a stroke, likely caused by hypertension. Her history of migraines may also be a contributing factor."

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
AlbertForTokenClassification
Ревизия весов
27e811c

0 моделей