Bert Large Uncased Med Ner
模型简介
基于i2b2(现为n2c2)2009年药物任务数据集训练的命名实体识别模型,专门用于从医疗文本中提取药物相关信息。
模型特点
多类别实体识别
能够同时识别药物名称、剂量、持续时间、频率和用药原因五种实体类型。
医疗领域专用
专门针对医疗文本优化,能够理解医学术语和药物相关表达。
基于标准数据集
使用i2b2/n2c2 2009标准数据集训练,确保模型性能可靠。
模型能力
医疗文本分析
药物信息提取
命名实体识别
临床记录处理
使用案例
医疗信息处理
电子病历分析
从电子病历中自动提取患者的用药信息
提高医疗记录处理效率,减少人工提取时间
临床研究数据准备
为药物研究自动收集和分析患者用药数据
加速研究数据收集过程
医疗保健应用
药物管理系统
自动识别和分类患者用药信息
改善药物管理流程
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98