Medical NER

🚀 deberta-med-ner-2

このモデルは、PubMEDデータセットでDeBERTaをファインチューニングしたバージョンです。41種類の医療関連のエンティティを認識するために、BERTをベースにファインチューニングされた医療用の固有表現認識（NER）モデルです。

✨ 主な機能

• PubMEDデータセットでファインチューニングされたDeBERTaベースの医療用NERモデル。
• 41種類の医療関連のエンティティを認識することができます。

📦 インストール

このREADMEには具体的なインストール手順が記載されていないため、このセクションは省略されます。

💻 使用例

基本的な使用法

# Use a pipeline as a high-level helper
from transformers import pipeline
pipe = pipeline("token-classification", model="Clinical-AI-Apollo/Medical-NER", aggregation_strategy='simple')
result = pipe('45 year old woman diagnosed with CAD')

# Load model directly
from transformers import AutoTokenizer, AutoModelForTokenClassification

tokenizer = AutoTokenizer.from_pretrained("Clinical-AI-Apollo/Medical-NER")
model = AutoModelForTokenClassification.from_pretrained("Clinical-AI-Apollo/Medical-NER")

📚 ドキュメント

モデルの説明

このモデルは、BERTをベースにした医療用の固有表現認識（NER）モデルで、41種類の医療関連のエンティティを認識するようにファインチューニングされています。

学習ハイパーパラメータ

学習時に使用されたハイパーパラメータは以下の通りです。

• learning_rate: 2e-05
• train_batch_size: 8
• eval_batch_size: 16
• seed: 42
• gradient_accumulation_steps: 2
• total_train_batch_size: 16
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: cosine
• lr_scheduler_warmup_ratio: 0.1
• num_epochs: 30
• mixed_precision_training: Native AMP

フレームワークのバージョン

• Transformers 4.37.0
• Pytorch 2.1.2
• Datasets 2.1.0
• Tokenizers 0.15.1

作成者

作成者: Saketh Mattupalli

🔧 技術詳細

このモデルは、PubMEDデータセットでDeBERTaをファインチューニングすることで構築されました。具体的には、学習時には上記のハイパーパラメータが使用され、混合精度学習を利用して効率的に学習が行われました。

📄 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。