S

Symptom To Diagnosis

由Zabihin開發
基於bert-base-cased微調的醫療症狀診斷分類模型,用於從症狀描述預測22種可能的診斷
下載量 594
發布時間 : 12/16/2023

模型概述

該模型通過分析自然語言描述的症狀,預測22種可能的醫療診斷結果,適用於醫療輔助診斷場景

模型特點

高精度醫療診斷
在測試集上達到0.93的F1分數,能準確識別症狀對應的診斷
細粒度分類
支持22種不同醫療診斷的細粒度分類
BERT架構
基於bert-base-cased微調,具備強大的自然語言理解能力

模型能力

症狀文本分類
醫療診斷預測
自然語言理解

使用案例

醫療輔助診斷
症狀自動分類
將患者描述的症狀自動分類到預定義的診斷類別
準確率94%,召回率93%
醫療諮詢系統
用於在線醫療諮詢平臺的初步診斷建議
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase