Clinical Mobilebert I2b2 2010

🚀 ClinicalMobileBERT-i2b2-2010模型

ClinicalMobileBERT-i2b2-2010是一款專為臨床命名實體識別（NER）任務優化的模型。它基於ClinicalMobileBERT模型，在i2b2 - 2010數據集上進行微調，能夠精準識別問題、治療方法和檢查這三類臨床實體，為臨床領域的自然語言處理提供有力支持。

🚀 快速開始

本模型適用於臨床領域需要識別和分類問題、治療方法及檢查的自然語言處理任務。若你有相關需求，可直接使用此模型開展工作。

✨ 主要特性

• 基於ClinicalMobileBERT模型微調，繼承其優秀的語言理解能力。
• 專注於臨床命名實體識別，精準識別問題、治療方法和檢查三類實體。
• 模型參數約2500萬，在保證性能的同時具有較高的效率。

📚 詳細文檔

模型描述

ClinicalMobileBERT-i2b2-2010是ClinicalMobileBERT模型在i2b2 - 2010數據集上針對臨床命名實體識別（NER）任務的微調版本。該模型專門用於識別問題、治療方法和檢查這三類實體。初始化時使用了Huggingface上可用的ClinicalMobileBERT模型的預訓練檢查點。

架構

此模型的架構與ClinicalMobileBERT相同。它在i2b2 - 2010數據集上針對臨床NER任務進行了微調，微調過程針對問題、治療方法和檢查這三類實體。模型約有2500萬個參數。

使用場景

該模型適用於臨床領域中需要對問題、治療方法和檢查進行識別和分類的自然語言處理任務。

📄 許可證

本項目採用MIT許可證。

📚 引用信息

如果你使用了此模型，請考慮引用以下論文：

@article{rohanian2023lightweight,
  title={Lightweight transformers for clinical natural language processing},
  author={Rohanian, Omid and Nouriborji, Mohammadmahdi and Jauncey, Hannah and Kouchaki, Samaneh and Nooralahzadeh, Farhad and Clifton, Lei and Merson, Laura and Clifton, David A and ISARIC Clinical Characterisation Group and others},
  journal={Natural Language Engineering},
  pages={1--28},
  year={2023},
  publisher={Cambridge University Press}
}