/ Модель

Характеристики

Контекст
512 токенов
Параметры
138 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
bert-base-turkish-cased
Библиотека
transformers
Опубликована
30 окт 2025

medner-tr

Разметка токеновТекст → label

Модель на базе турецкого BERT выделяет лекарства, заболевания, симптомы и другие медицинские сущности в турецких клинических текстах.

158скачиваний за 30 дней1лайквеса обновлены14 апр 2026

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

MedNER-TR — модель распознавания медицинских сущностей в турецких клинических и медицинских текстах, разработанная на основе dbmdz/bert-base-turkish-cased и дообученная для token classification. Она размечает названия лекарств, заболеваний, симптомов, органов и медицинских тестов в заметках пациентов, медицинских отчётах и рецептах.

Модель построена на BERT, содержит 137,8 млн параметров и принимает текст с контекстом до 512 токенов. В README сообщается о micro-F1 99,49% на небольшом контролируемом тестовом наборе; качество на реальных клинических текстах может отличаться. Модель предназначена для извлечения информации и исследований, а не для принятия клинических решений; в клинических сценариях необходим контроль специалиста. Лицензия — MIT.

Сценарии применения

  • извлечение названий лекарств из рецептов
  • поиск заболеваний и диагнозов в медицинских отчётах
  • выделение симптомов в заметках пациентов
  • разметка органов и медицинских тестов в клинических текстах

Ограничения

Оценка F1 получена на небольшом контролируемом тестовом наборе, поэтому качество на реальных текстах и редких или нестандартных терминах может быть ниже. Модель не предназначена для клинических решений; требуется проверка человеком.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MedNER-TR: Turkish Medical Named Entity Recognition

Türkçe klinik ve tıbbi metinlerde ilaç, hastalık, semptom, organ ve tıbbi test adlarını tanıyan BERT tabanlı NER modeli.

Model Özeti

MedNER-TR, Türkçe sağlık metinleri (hasta notları, tıbbi raporlar, reçeteler) üzerinde beş temel tıbbi varlık türünü işaretlemek için dbmdz/bert-base-turkish-cased üzerinden fine-tune edilmiştir. Model, klinik NLP araştırmaları, tıbbi bilgi çıkarımı ve elektronik hasta kaydı analizinde kullanım için tasarlanmıştır.

🚀 Demo

Canlı demo için: tugrulkaya/medner-tr Space — alternatif Gradio demo

Desteklenen Varlıklar

EtiketAçıklamaÖrnek
ILACİlaç adıParol, Aspirin
HASTALIKHastalık / tanıMigren, Diyabet
SEMPTOMSemptom / şikayetBaş ağrısı, Ateş
ORGANOrgan / anatomik yapıKaraciğer, Kalp
TESTTıbbi test / tetkikMR, Kan testi

Performans

MetrikDeğer
F1 (micro)99.49%
Precision99.49%
Recall99.49%
Accuracy99.76%

Not: Yüksek skorlar görece küçük ve kontrollü bir test setinden alınmıştır. Gerçek klinik metinlerde performans değişebilir.

Kullanım

from transformers import pipeline

ner = pipeline(
    "token-classification",
    model="tugrulkaya/medner-tr",
    aggregation_strategy="simple",
)

text = "Hastaya Parol 500mg başlandı, baş ağrısı ve ateş şikayeti mevcut."
for ent in ner(text):
    print(f"{ent['entity_group']:10s} {ent['word']:20s} {ent['score']:.3f}")

Eğitim Detayları

  • Base model: dbmdz/bert-base-turkish-cased
  • Dataset: ~2000 el ile etiketlenmiş Türkçe tıbbi cümle
  • Epoch: 3
  • Optimizer: AdamW
  • Max length: 128

Sınırlamalar ve Etik

  • Model klinik karar vermek için kullanılmamalıdır. Yalnızca bilgi çıkarımı / araştırma amaçlıdır.
  • Eğitim verisi küçük olduğu için nadir hastalıklar veya non-standart terimlerde performans düşebilir.
  • Her klinik uygulamada insan denetimi zorunludur.

Lisans

MIT

Atıf

@misc{kaya2025mednertr,
  author = {Kaya, Tuğrul},
  title  = {MedNER-TR: Turkish Medical Named Entity Recognition},
  year   = {2025},
  url    = {https://huggingface.co/tugrulkaya/medner-tr}
}

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
BertForTokenClassification
Ревизия весов
47d6006

0 моделей