Clinical Mobilebert I2b2 2010

🚀 ClinicalMobileBERT-i2b2-2010模型

ClinicalMobileBERT-i2b2-2010是一款专为临床命名实体识别（NER）任务优化的模型。它基于ClinicalMobileBERT模型，在i2b2 - 2010数据集上进行微调，能够精准识别问题、治疗方法和检查这三类临床实体，为临床领域的自然语言处理提供有力支持。

🚀 快速开始

本模型适用于临床领域需要识别和分类问题、治疗方法及检查的自然语言处理任务。若你有相关需求，可直接使用此模型开展工作。

✨ 主要特性

• 基于ClinicalMobileBERT模型微调，继承其优秀的语言理解能力。
• 专注于临床命名实体识别，精准识别问题、治疗方法和检查三类实体。
• 模型参数约2500万，在保证性能的同时具有较高的效率。

📚 详细文档

模型描述

ClinicalMobileBERT-i2b2-2010是ClinicalMobileBERT模型在i2b2 - 2010数据集上针对临床命名实体识别（NER）任务的微调版本。该模型专门用于识别问题、治疗方法和检查这三类实体。初始化时使用了Huggingface上可用的ClinicalMobileBERT模型的预训练检查点。

架构

此模型的架构与ClinicalMobileBERT相同。它在i2b2 - 2010数据集上针对临床NER任务进行了微调，微调过程针对问题、治疗方法和检查这三类实体。模型约有2500万个参数。

使用场景

该模型适用于临床领域中需要对问题、治疗方法和检查进行识别和分类的自然语言处理任务。

📄 许可证

本项目采用MIT许可证。

📚 引用信息

如果你使用了此模型，请考虑引用以下论文：

@article{rohanian2023lightweight,
  title={Lightweight transformers for clinical natural language processing},
  author={Rohanian, Omid and Nouriborji, Mohammadmahdi and Jauncey, Hannah and Kouchaki, Samaneh and Nooralahzadeh, Farhad and Clifton, Lei and Merson, Laura and Clifton, David A and ISARIC Clinical Characterisation Group and others},
  journal={Natural Language Engineering},
  pages={1--28},
  year={2023},
  publisher={Cambridge University Press}
}