Turkish Medical Question Answering

🚀 トルコ語医療質問応答モデル

このモデルは、トルコ語の医療分野の質問応答に最適化された、dbmdz/bert-base-turkish-cased のファインチューニング版です。医療テキストコンテキストから回答を抽出するように特別に学習されています。

🚀 クイックスタート

このモデルは、トルコ語の医療質問応答タスクに使用できます。以下のコード例を参照して、モデルを使用してみてください。

✨ 主な機能

• トルコ語の医療質問応答
• トルコ語の医療テキストからの情報抽出
• 医療関係者や研究者が医療文書内の特定の情報を見つけるのを支援

📦 インストール

このモデルを使用するには、transformers ライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

💻 使用例

基本的な使用法

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("question-answering", model="kaixkhazaki/turkish-question-answering")


# Example 
## Define the context

context = """
Kalça kırığından şüphe duyulan hastalarda öncelikle standart grafiler çekilmelidir. Bunlar ön arka pelvis grafisi ve etkilenen kalçanın ön arka ve yan grafileridir. 
Özellikle deplase olmayan kırıklarda sağlam taraf ile patolojik tarafın mukayese edilmesi önemlidir. Kırık kalçanın filmi, alt ekstremite hafif traksiyonda iken nötral pozisyonda, 
patella ışın düzlemine dikey halde çekilir. Trokanter majörün en az 10 cm distaline kadar görülmesi faydalı olacaktır. Ayrıca sağlam tarafın görülmesi ile osteoporoz ve hastanın 
normal boyun-cisim açısının tayininde önemlidir. Lateral radyografi posteriorda kırığın stabilitesini ve deplasman miktarını belirlemek için gereklidir. Lateral grafi çekimi acil 
olmamakla birlikte kırığın daha doğru değerlendirilmesi açısından önemlidir. Eğer hasta grafi masasında iken çekilemiyor ise, traksiyon masasına alındığında görülebilir. 
Nadiren de olsa tanı için tomografi çekilmesi gerekli olabilir. Bunun yanında kalça kırığı şüphesi yüksek olan, ancak direk grafide kırık tanısı konulamayan hastalara MR çekilerek 
tanı rahatlıkla konulabilir. Yine röntgende görünmeyen ancak kırık şüphesi yüksek olan hastalara 48-72 saat içerisinde yapılan sintigrafilerde duyarlılık % 100'dür.
"""

# Define the question
question = "Lateral radyografi hangi durumlar için gereklidir?"

pipe(question=question, context=context)
>>
{'score': 0.7423108220100403,
 'start': 595,
 'end': 662,
 'answer': 'posteriorda kırığın stabilitesini ve deplasman miktarını belirlemek'}

#Example

## Define the context
context = """
Kalça kırığından şüphe duyulan hastalarda öncelikle standart grafiler çekilmelidir. Bunlar ön arka pelvis grafisi ve etkilenen kalçanın ön arka ve yan grafileridir. 
Özellikle deplase olmayan kırıklarda sağlam taraf ile patolojik tarafın mukayese edilmesi önemlidir. Kırık kalçanın filmi, alt ekstremite hafif traksiyonda iken nötral pozisyonda, 
patella ışın düzlemine dikey halde çekilir. Trokanter majörün en az 10 cm distaline kadar görülmesi faydalı olacaktır. Ayrıca sağlam tarafın görülmesi ile osteoporoz ve hastanın 
normal boyun-cisim açısının tayininde önemlidir. Lateral radyografi posteriorda kırığın stabilitesini ve deplasman miktarını belirlemek için gereklidir. Lateral grafi çekimi acil 
olmamakla birlikte kırığın daha doğru değerlendirilmesi açısından önemlidir. Eğer hasta grafi masasında iken çekilemiyor ise, traksiyon masasına alındığında görülebilir. 
Nadiren de olsa tanı için tomografi çekilmesi gerekli olabilir. Bunun yanında kalça kırığı şüphesi yüksek olan, ancak direk grafide kırık tanısı konulamayan hastalara MR çekilerek 
tanı rahatlıkla konulabilir. Yine röntgende görünmeyen ancak kırık şüphesi yüksek olan hastalara 48-72 saat içerisinde yapılan sintigrafilerde duyarlılık % 100'dür.
"""

# Define the question
question = "Trokanter majörün kaç cm distaline kadar görülmesi faydalıdır?"

pipe(question=question, context=context)

>>
{'score': 0.8581815361976624,
'start': 416,
'end': 418,
'answer': '10'}

📚 ドキュメント

想定される使用方法、バイアス、リスク、制限事項

想定される使用方法

• トルコ語の医療質問応答
• トルコ語の医療テキストからの情報抽出
• 医療関係者や研究者が医療文書内の特定の情報を見つけるのを支援

制限事項

• このモデルは、専門的な医療アドバイスの代替として使用すべきではありません。
• モデルは、医療学習データに存在するバイアスを反映する可能性があります。
• 性能は、異なる医療専門分野や用語によって異なる場合があります。
• モデルは、推論や情報の統合を必要とする複雑な医療質問には適していません。
• モデルは医療分野に特化して学習されており、一般分野の質問に対してはうまく機能しない可能性があります。
• 学習データに存在しない高度な技術的な医療用語に対する性能は異なる場合があります。
• モデルは抽出型QA（テキストに直接存在する回答を見つける）に限定されています。

学習詳細

学習ハイパーパラメータ

• ベースモデル: dbmdz/bert-base-turkish-cased
• バッチサイズ: 16
• 学習率: 1e-5
• エポック数: 10
• 重み減衰: 0.02
• ウォームアップステップ: 1000
• 学習率スケジューラ: Cosine
• 勾配クリッピング: 1.0
• 学習精度: BF16
• オプティマイザ: AdamW

モデルアーキテクチャの変更

• 隠れ層ドロップアウト確率: 0.2
• アテンション確率ドロップアウト: 0.2

学習と評価データ

モデルは、トルコ語医療質問応答データセットで学習されました。

@INPROCEEDINGS{10711128,
  author={İncidelen, Mert and Aydoğan, Murat},
  booktitle={2024 8th International Artificial Intelligence and Data Processing Symposium (IDAP)}, 
  title={Developing Question-Answering Models in Low-Resource Languages: A Case Study on Turkish Medical Texts Using Transformer-Based Approaches}, 
  year={2024},
  volume={},
  number={},
  pages={1-4},
  keywords={Training;Adaptation models;Natural languages;Focusing;Encyclopedias;Transformers;Data models;Internet;Online services;Text processing;Natural Language Processing;Medical Domain;BERTurk;Question-Answering},
  doi={10.1109/IDAP64064.2024.10711128}}

学習手順

前処理

• 最大シーケンス長: 384
• ストライド: 128
• 質問とコンテキストのペアは、BertTokenizerFastを使用してトークン化されます。

評価戦略

• 評価は50ステップごとに実行されます。
• 最良のモデルは、F1スコアに基づいて保存されます。
• 指標として、Exact MatchとF1スコアが使用されます。

学習ハイパーパラメータ

学習中に使用されたハイパーパラメータは次のとおりです。

学習結果

フレームワークバージョン

• Transformers 4.48.0.dev0
• Pytorch 2.4.1+cu121
• Datasets 3.1.0
• Tokenizers 0.21.0

📄 ライセンス

このモデルはMITライセンスの下で提供されています。

引用

@misc{turkish-medical-question-answering,
  author = {Fatih Demirci},
  title = {Turkish Medical Question Answering Model},
  year = {2024},
  publisher = {HuggingFace},
  journal = {HuggingFace Model Hub}
  howpublished = {\url{https://huggingface.co/kaixkhazaki/turkish-medical-question-answering}}
}