Symptom To Diagnosis

🚀 症状から診断へ

このモデルは、症状から疾病を診断するためのテキスト分類タスクに特化したモデルです。症状の自然言語記述を分析し、22種類の診断結果を予測します。

🚀 クイックスタート

このモデルは、bert-base-cased をベースに、(https://huggingface.co/datasets/gretelai/symptom_to_diagnosis) のデータセットでファインチューニングされたバージョンです。

✨ 主な機能

このモデルは、bert-base-casedアーキテクチャのファインチューニング版で、症状から疾病を診断するテキスト分類タスクに特化しています。主な目的は、症状の自然言語記述を分析し、22種類の診断結果を予測することです。

📦 インストール

このモデルを使用するには、以下のライブラリが必要です。

• Transformers 4.35.2
• TensorFlow 2.15.0
• Datasets 2.15.0
• Tokenizers 0.15.0

💻 使用例

基本的な使用法

from transformers import pipeline

pipe = pipeline("text-classification", model="Zabihin/Symptom_to_Diagnosis")

# Example:
result = pipe("I've been having headaches and migraines, and I can't sleep. My whole body shakes and twitches. Sometimes I feel lightheaded.")
# result:
# [{'label': 'drug reaction', 'score': 0.9489321112632751}]

高度な使用法

from transformers import pipeline

# Load the model
classifier = pipeline("text-classification", model="Zabihin/Symptom_to_Diagnosis", tokenizer="Zabihin/Symptom_to_Diagnosis")

# Example input text
input_text = "I've been having headaches and migraines, and I can't sleep. My whole body shakes and twitches. Sometimes I feel lightheaded."

# Get the predicted label
result = classifier(input_text)

# Print the predicted label
predicted_label = result[0]['label']
print("Predicted Label:", predicted_label)

# Predicted Label: drug reaction

📚 ドキュメント

データセット情報

このモデルは、Gretel/symptom_to_diagnosisデータセットで学習されました。このデータセットは、英語で記述された1,065の症状記述から構成され、それぞれが22種類の診断結果のいずれかでラベル付けされています。このデータセットは、細粒度の単一ドメイン診断に焦点を当てており、症状記述に基づく詳細な分類が必要なタスクに適しています。

例:

{
  "output_text": "drug reaction",
  "input_text": "I've been having headaches and migraines, and I can't sleep. My whole body shakes and twitches. Sometimes I feel lightheaded."
}

モデル指標

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。