En Biobert Ner Symptom
基於BioBERT微調的命名實體識別模型,用於從臨床記錄中檢測醫學症狀。
下載量 25
發布時間 : 7/27/2023
模型概述
該模型基於BioBERT架構,專門用於從臨床文本中識別和提取醫學症狀相關的命名實體。
模型特點
高精度症狀識別
在命名實體識別任務上達到99.96%的F1值,能夠準確識別臨床文本中的症狀描述。
基於BioBERT
利用BioBERT的生物醫學領域預訓練優勢,針對症狀識別任務進行了微調。
臨床文本優化
專門針對臨床記錄和醫學文本進行優化,能夠理解專業醫學術語和表達方式。
模型能力
臨床文本分析
醫學症狀識別
命名實體提取
使用案例
臨床記錄分析
電子病歷症狀提取
從電子病歷中自動提取患者報告的症狀信息
準確識別咳嗽、打噴嚏、皮疹等常見症狀
臨床研究數據挖掘
從臨床研究文獻中提取症狀相關信息用於分析
幫助研究人員快速識別相關症狀報告
患者監測
症狀報告自動處理
處理患者自我報告的症狀描述
識別頭暈、噁心、呼吸困難等關鍵症狀
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