Healthscribe Clinical Note Generator

🚀 健康记录生成器（HealthScribe）

健康记录生成器（HealthScribe）是一个基于微调模型的临床记录生成工具，它能够根据医生与患者对话的转录数据，自动生成临床记录，为医疗工作者提供便利。

🚀 快速开始

本模型是在 facebook/bart-large-cnn 的基础上，针对修改后的 MTS-Dialog 数据集 进行微调得到的。该模型集成于一个 Flask 网络应用程序中，此应用允许用户根据医生与患者对话的自动语音识别（ASR）转录数据生成临床记录。

推理测试数据示例

更多对话示例可参考 test.txt。

"医生：你好呀，我喜欢你这条裙子，真漂亮！ 
患者：谢谢你夸一个 72 岁的老太太。
医生：不，我是认真的。好了，你在 2009 年 5 月入院。你有高血压病史，在 2009 年 6 月 18 日，你出现了严重的腹痛、腹泻和痉挛。
患者：是的，他们说我可能感染了艰难梭菌（C Diff）。他们给我做了腹部 CT，那时他们认为我感染了。
医生：是的，CT 显示有弥漫性结肠炎的迹象，所以我想他们给你用了静脉注射抗生素？
患者：是的。 
医生：我看到了，用了甲硝唑（Flagyl）和左氧氟沙星（Levaquin）。他们还开始给你静脉注射胃复安（Reglan）来止吐。
患者：是的，我当时恶心极了，还吐了。
医生：在这之后，我发现你的白细胞还是很高。你现在还恶心吗？ 
患者：不，我现在不恶心也不吐了，但还是腹泻。因为一直腹泻，我感觉很虚弱。
医生：好的。还有其他症状吗？
患者：实际上没有了，一切都还好。
医生：很好。
患者：是的。"

✨ 主要特性

本模型用于根据医生与患者的对话数据（ASR）生成临床记录，但存在一定局限性：

• 生成结果为空（N/A）的情况较少，但有时会出现生成结果为 None 的情况。
• 当输入数据的字符标记非常少或输入数据非常大时，模型可能会生成与实际不符的内容。

📚 详细文档

训练和评估数据

该模型在评估集上取得了以下结果：

• 损失值（Loss）：0.1562
• Rouge1：54.3238
• Rouge2：34.2678
• Rougel：46.5847
• Rougelsum：51.2214
• 生成长度（Generation Length）：77.04

训练过程

模型在修改后的 MTS-Dialog 数据集上进行训练，使用了 1201 个训练样本和 100 个验证样本。

训练超参数

训练过程中使用了以下超参数：

• learning_rate：2e-05
• train_batch_size：1
• eval_batch_size：1
• seed：42
• gradient_accumulation_steps：2
• total_train_batch_size：2
• optimizer：Adam（betas=(0.9,0.999)，epsilon=1e-08）
• lr_scheduler_type：线性
• num_epochs：3
• mixed_precision_training：原生混合精度训练（Native AMP）

训练结果

框架版本

• Transformers 4.39.2
• Pytorch 2.2.1+cu121
• Datasets 2.18.0
• Tokenizers 0.15.2

📄 许可证

本模型使用 MIT 许可证。

📦 模型信息