Biobert Ner Disease Ncbi

🚀 BioBERT疾病命名实体识别模型

本模型是一款强大且精准的疾病命名实体识别模型，它基于可靠的NCBI疾病数据集对BioBERT进行微调。该模型实现了高达98.64%的准确率和令人瞩目的89.04%的F1分数，在疾病提取任务中表现卓越。它能够从临床和生物医学文本中精准识别疾病、症状和医疗状况。

🚀 快速开始

本模型可与Hugging Face Transformers库配合使用。

注意：按照BIO标注格式，LABEL_0对应“O”（外部），LABEL_1对应“B - 疾病”，LABEL_2对应“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']})")

此代码应输出：

提取的医学实体：

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：在疾病提取任务中，准确率达到98.64%，F1分数为89.04%。
• 精准识别：能够精准识别临床和生物医学文本中的疾病、症状和医疗状况。
• 数据丰富：基于6800多个带注释的示例进行了5个周期的微调，验证分数始终保持较高水平。

📦 安装指南

文档未提及安装步骤，故跳过此章节。

💻 使用示例

基础用法

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']})")

高级用法

文档未提及高级用法代码示例，故跳过此部分。

📚 详细文档

模型性能

• 精确率：86.80%
• 召回率：91.39%
• F1分数：89.04%
• 准确率：98.64%

✅ 基于6800多个带注释的示例进行了5个周期的微调，验证分数始终保持较高水平。

预期用途

• 从临床和生物医学文档中提取疾病提及。
• 支持医疗保健人工智能系统和医学研究自动化。

训练数据

该模型在NCBI疾病数据集上进行训练，该数据集包含793篇PubMed摘要，其中有6892个疾病提及。

🔧 技术细节

文档未提及技术实现细节，故跳过此章节。

📄 许可证

该模型遵循Apache 2.0许可证，与原始的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}
}