# 臨床テキスト分析

RoBERTaアーキテクチャに基づく医療分野の名前付きエンティティ認識モデルで、医療テキストから特定のエンティティを識別するために使用されます

中国語医療テキスト専用の固有表現認識モデルで、疾患、薬物、治療手順などの医療関連エンティティを識別できます。

このモデルはBSC-LT/roberta-base-biomedical-clinical-esを基に、生物医学臨床スペイン語テキストにおける固有表現抽出(NER)タスク用にファインチューニングされたバージョンです。

DeBERTaアーキテクチャに基づいて微調整された医学命名実体認識モデルで、41種類の医学実体を認識できます。

CamemBERT-bioは、フランス語の生物医学分野に特化して最適化された言語モデルです。camembert-baseをベースに持続的事前学習を行い、生物医学の命名エンティティ認識タスクで優れた性能を発揮します。

BioLinkBERTを基にした生物医学文埋め込みモデルで、生物医学テキストの類似度計算のために設計されています

medBERT.deはBERTアーキテクチャに基づくドイツ語医療自然言語処理モデルで、医学テキスト、臨床記録、研究論文に特化してファインチューニングされており、医療分野の様々なNLPタスクに適しています。

Bio_ClinicalBERTをファインチューニングした臨床テキスト処理モデルで、F1スコアで優れた性能を発揮

ruRoberta-largeをベースにファインチューニングしたロシア語医療テキスト処理モデル

BioBERTpt(フルバージョン)でトレーニングされたポルトガル語臨床テキスト固有表現認識モデルで、TempClinBrコーパス内の医療エンティティ認識専用

このモデルはroberta-base-biomedical-clinical-esをCRAFTデータセットでファインチューニングしたバージョンで、生物医学臨床テキストの固有表現認識に使用されます。

これはsentence - transformersに基づくモデルで、文や段落を768次元の密ベクトル空間にマッピングでき、文の類似度計算や意味検索などのタスクに適しています。