B

Bert Large Uncased Med Ner

由samrawal開發
該模型用於識別醫療文本中的藥物相關實體,包括藥物名稱、劑量、持續時間、頻率和用藥原因。
下載量 86
發布時間 : 3/2/2022

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
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase