En Core Med7 Trf
模型概述
該模型專注於從臨床文本中提取藥物信息,能夠識別劑量、藥物名稱、持續時間、劑型、頻率、給藥途徑和強度等關鍵信息。
模型特點
高精度藥物信息提取
在藥物相關的命名實體識別任務上達到 90.33 的 F1 分數。
專門針對臨床文本優化
模型針對電子健康記錄中的臨床文本進行了專門優化。
七種藥物相關實體識別
能夠識別劑量、藥物、持續時間、劑型、頻率、給藥途徑和強度七種關鍵藥物信息。
模型能力
臨床文本分析
藥物信息提取
命名實體識別
使用案例
醫療健康
電子健康記錄分析
從患者電子健康記錄中自動提取藥物信息
提高醫療記錄的自動化處理效率
臨床研究支持
輔助臨床研究人員快速分析大量病歷中的用藥數據
加速臨床研究的數據收集過程
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