AIbase
TW
模型選型
標籤
生物醫學實體識別

# 生物醫學實體識別

Openbioner Base
MIT
OpenBioNER 是一款專為開放領域生物醫學命名實體識別（NER）定製的輕量級 BERT 模型，僅需目標實體類型的自然語言描述即可識別未見過的實體類型，無需重新訓練。
序列標註 PyTorch 英語
O
disi-unibo-nlp
210
1
GENIE En 8b
Apache-2.0
GENIE是一個端到端模型，專門用於從電子健康記錄（EHR）中結構化自由文本，提取生物醫學命名實體及其相關屬性。
大型語言模型 英語
G
THUMedInfo
141
4
Biomed NER
基於DeBERTaV3的生物醫學命名實體識別模型，專門用於從臨床文本中提取疾病、藥物等結構化信息
序列標註 英語
B
Helios9
554
4
Clinical Bert Ft
MIT
基於Bio_ClinicalBERT微調的臨床文本處理模型，在F1分數上表現良好
文本分類 Transformers
C
ericntay
20
0
Biomedical Ner All
Apache-2.0
基於distilbert-base-uncased訓練的英文命名實體識別模型，專為識別生物醫學實體（107種實體類別）設計，適用於病例報告等文本語料。
序列標註 Transformers 英語
B
d4data
112.41k
165
Nbme Deberta Large
MIT
基於microsoft/deberta-large微調的模型，用於特定任務處理
大型語言模型 Transformers
N
smeoni
136
0
Nbme Roberta Large
MIT
基於roberta-large微調的模型，用於特定任務處理，評估損失值為0.7825
大型語言模型 Transformers
N
smeoni
35
0
Bsc Bio Ehr Es
Apache-2.0
針對西班牙語生物醫學和臨床文本優化的預訓練語言模型，支持臨床NLP任務
大型語言模型 Transformers 西班牙語
B
PlanTL-GOB-ES
624
12
Biobert Chemical Ner
Apache-2.0
基於BioBERT架構，在BC5CDR化學物質與BC4CHEMD數據集上微調的生物醫學命名實體識別模型
序列標註 Transformers 英語
B
alvaroalon2
5,175
20
Epiextract4gard V2
其他
基於BioBERT微調的命名實體識別模型，專注於識別罕見疾病摘要中的流行病學信息。
序列標註 Transformers 英語
E
ncats
34
0
Biosyn Sapbert Ncbi Disease
由韓國大學Dmis-lab開發的基於BioBERT的生物醫學實體識別模型，專注於NCBI疾病數據集的特徵提取任務
文本嵌入 Transformers
B
dmis-lab
580
2
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase