Bert Large Uncased Med Ner
模型概述
基於i2b2(現為n2c2)2009年藥物任務數據集訓練的命名實體識別模型,專門用於從醫療文本中提取藥物相關信息。
模型特點
多類別實體識別
能夠同時識別藥物名稱、劑量、持續時間、頻率和用藥原因五種實體類型。
醫療領域專用
專門針對醫療文本優化,能夠理解醫學術語和藥物相關表達。
基於標準數據集
使用i2b2/n2c2 2009標準數據集訓練,確保模型性能可靠。
模型能力
醫療文本分析
藥物信息提取
命名實體識別
臨床記錄處理
使用案例
醫療信息處理
電子病歷分析
從電子病歷中自動提取患者的用藥信息
提高醫療記錄處理效率,減少人工提取時間
臨床研究數據準備
為藥物研究自動收集和分析患者用藥數據
加速研究數據收集過程
醫療保健應用
藥物管理系統
自動識別和分類患者用藥信息
改善藥物管理流程
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98