# 医療テキスト分析

OpenBioNERは、オープンドメインの生物医学命名エンティティ認識（NER）に特化した軽量BERTモデルで、対象エンティティタイプの自然言語記述のみで未見のエンティティタイプを識別でき、再トレーニングする必要がありません。

GLiNER-生物医学版はGLiNERフレームワークを基に開発された専門的な生物医学固有表現認識モデルで、様々な生物医学エンティティタイプを識別できます。

GLiNER-バイオメディカル版はGLiNERフレームワークに基づく、バイオメディカル分野専用のオープンNER効率的モデルスイートで、バイオメディカルテキスト内の様々なエンティティを識別できます。

GLiNER は名前付きエンティティ認識（NER）モデルで、双方向Transformerエンコーダーを使用してあらゆる種類のエンティティを認識でき、特に個人識別情報（PII）の認識に適しています。

DeepPavlov/rubert-base-cased事前学習モデルを基に、MS-MARCOロシア語パッセージランキングデータセットで微調整されたsentence-transformersモデルで、ロシア語の非対称意味検索に使用されます。

BioBERTをファインチューニングした固有表現認識モデルで、臨床記録から医学的症状を検出します。

このモデルはajtamayoh/NER_EHR_Spanish_model_Mulitlingual_BERTを微調整したスペイン語否定範囲検出モデルです

BERTimbau Largeで訓練されたポルトガル語質問応答モデルで、SQuAD v1.1ポルトガル語版で微調整されており、ポルトガル語の質問応答タスクに適しています。

これは汎用的なモデルの説明で、150字以内の簡潔な紹介です。