/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
OpenRAIL
Архитектура
bert · dense
Опубликована
5 мая 2023

bert-medical-ner-proj

Разметка токеновТекст → label3 профессии

Дообученная на медицинских документах BERT-модель выделяет сущности и клинические сведения из текста.

13скачиваний за 30 дней35лайковвеса 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/bert-medical-ner-proj — модель распознавания именованных сущностей в медицинских документах, созданная дообучением BERT. Она предназначена для выделения медицинских сущностей из текста, например сведений о заболеваниях, лекарствах, аллергиях, операциях, симптомах и результатах осмотра. Модель использует архитектуру BERT для классификации токенов, содержит 136,7 млн параметров и обрабатывает контекст длиной до 512 токенов.

Модель подходит для извлечения клинических сведений из медицинских записей и структурирования текста для последующего поиска или анализа. Карточка демонстрирует примеры на английском языке; поддержка других языков не подтверждена. Репозиторий содержит веса PyTorch, лицензия — OpenRAIL. В карточке не приведены метрики качества и подробная схема классов сущностей.

Сценарии применения

  • Извлечение заболеваний из медицинских записей
  • Выделение лекарств и сведений о приёме препаратов
  • Поиск упоминаний аллергий и операций в анамнезе
  • Извлечение симптомов и показателей физикального осмотра
  • Структурирование клинического текста для последующего поиска

Ограничения

В карточке не указаны метрики качества и полный перечень классов сущностей. Примеры приведены на английском языке, поэтому применимость к другим языкам не подтверждена.

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

Medical documents NER model by fine tuning BERT

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 · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForTokenClassification
Ревизия весов
40c2657

0 моделей