Biobert Ner Disease Ncbi

🚀 BioBERT疾病命名實體識別模型

本模型是一款強大且精準的疾病命名實體識別模型，它基於可靠的NCBI疾病數據集對BioBERT進行微調。該模型實現了高達98.64%的準確率和令人矚目的89.04%的F1分數，在疾病提取任務中表現卓越。它能夠從臨床和生物醫學文本中精準識別疾病、症狀和醫療狀況。

🚀 快速開始

本模型可與Hugging Face Transformers庫配合使用。

注意：按照BIO標註格式，LABEL_0對應“O”（外部），LABEL_1對應“B - 疾病”，LABEL_2對應“I - 疾病”。

from transformers import pipeline

nlp = pipeline(
    "ner",
    model="Ishan0612/biobert-ner-disease-ncbi",
    tokenizer="Ishan0612/biobert-ner-disease-ncbi",
    aggregation_strategy="simple"
)

text = "The patient has signs of diabetes mellitus and chronic obstructive pulmonary disease."

results = nlp(text)

for entity in results:
    print(f"{entity['word']} - ({entity['entity_group']})")

此代碼應輸出：

提取的醫學實體：

the patient has signs of - (LABEL_0)

diabetes - (LABEL_1)

mellitus - (LABEL_2)

and - (LABEL_0)

chronic - (LABEL_1)

obstructive pulmonary disease - (LABEL_2)

. - (LABEL_0)

✨ 主要特性

• 高精度：在疾病提取任務中，準確率達到98.64%，F1分數為89.04%。
• 精準識別：能夠精準識別臨床和生物醫學文本中的疾病、症狀和醫療狀況。
• 數據豐富：基於6800多個帶註釋的示例進行了5個週期的微調，驗證分數始終保持較高水平。

📦 安裝指南

文檔未提及安裝步驟，故跳過此章節。

💻 使用示例

基礎用法

from transformers import pipeline

nlp = pipeline(
    "ner",
    model="Ishan0612/biobert-ner-disease-ncbi",
    tokenizer="Ishan0612/biobert-ner-disease-ncbi",
    aggregation_strategy="simple"
)

text = "The patient has signs of diabetes mellitus and chronic obstructive pulmonary disease."

results = nlp(text)

for entity in results:
    print(f"{entity['word']} - ({entity['entity_group']})")

高級用法

文檔未提及高級用法代碼示例，故跳過此部分。

📚 詳細文檔

模型性能

• 精確率：86.80%
• 召回率：91.39%
• F1分數：89.04%
• 準確率：98.64%

✅ 基於6800多個帶註釋的示例進行了5個週期的微調，驗證分數始終保持較高水平。

預期用途

• 從臨床和生物醫學文檔中提取疾病提及。
• 支持醫療保健人工智能系統和醫學研究自動化。

訓練數據

該模型在NCBI疾病數據集上進行訓練，該數據集包含793篇PubMed摘要，其中有6892個疾病提及。

🔧 技術細節

文檔未提及技術實現細節，故跳過此章節。

📄 許可證

該模型遵循Apache 2.0許可證，與原始的BioBERT (dmis-lab/biobert-base-cased-v1.1) 相同。

引用

@article{lee2020biobert,
  title={BioBERT: a pre-trained biomedical language representation model for biomedical text mining},
  author={Lee, Jinhyuk and Yoon, Wonjin and Kim, Sungdong and Kim, Donghyeon and So, Chan Ho and Kang, Jaewoo},
  journal={Bioinformatics},
  volume={36},
  number={4},
  pages={1234--1240},
  year={2020},
  publisher={Oxford University Press}
}