OpenMed/OpenMed-NER-DiseaseDetect-BioMed-335M
🧬 OpenMed-NER-DiseaseDetect-BioMed-335M(https://huggingface.co/OpenMed/OpenMed-NER-DiseaseDetect-BioMed-335M) Specialized model for Disease Entity Recognition - Disease entities from the BC5CDR dataset !License(https://img.shields.io/badge/License-...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tháng
#1 Repository Của Tháng
#1 Repository Của Tháng
🧬 Mô hình nhận diện thực thể bệnh học y tế từ văn bản miễn phí
Mô hình fine-tuned trên BC5CDR, đạt F1 0.90, hỗ trợ trích xuất thực thể bệnh từ văn bản khoa học và lâm sàng.
OpenMed-NER-DiseaseDetect-BioMed-335M là mô hình transformer chuyên dùng để nhận diện và trích xuất thực thể bệnh (disease entities) từ văn bản y tế, công trình nghiên cứu và hồ sơ bệnh nhân. Được huấn luyện trên tập dữ liệu BC5CDR-Disease gồm 1.500 trừu cảnh PubMed với 5.818 thực thể bệnh được gán nhãn thủ công, mô hình hỗ trợ các ứng dụng như phát hiện tương tác thuốc, theo dõi phản ứng phụ, khai thác văn bản cho khám phá thuốc và xây dựng đồ thị tri thức sinh học.
✨ Điểm nổi bật
- Trích xuất thực thể bệnh: Nhận diện các thực thể bệnh trong văn bản y tế bằng nhãn B-DISEASE và I-DISEASE.
- Hiệu suất cao: Đạt F1 0.90, Precision 0.89, Recall 0.91 trên bộ chuẩn BC5CDR-Disease.
- Tích hợp dễ dàng: Tương thích với hệ sinh thái Hugging Face Transformers.
- Miễn phí nguồn mở: Giấy phép Apache 2.0, phù hợp triển khai thương mại.
💡 Vì sao đáng chú ý
Mô hình được tối ưu cho nhận diện thực thể y tế với độ chính xác gần bằng các mô hình đóng tiền (F1 0.90), nhưng hoàn toàn miễn phí và có thể tù biến. Phù hợp cho các hệ thống hỗ trợ ra quyết định lâm sàng, khai thác dữ liệu y tế và xây dựng công cụ NLP trong lĩnh vực y sinh.
#BiomedicalNLP #NamedEntityRecognition #OpenSource #MedicalAI #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
Cross-Encoder for MS Marco This model was trained on the MS Marco Passage Ranking(https://github.com/microsoft/MSMARCO-Passage-Ranking) task. The model can be used for Information Retrieval: Given a query, encode the query will all possible passages...
sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic se...
BERT base model (uncased) Pretrained model on English language using a masked language modeling (MLM) objective. It was introduced in this paper(https://arxiv.org/abs/1810.04805) and first released in this repository(https://github.com/google-resear...
🧬 OpenMed-NER-DiseaseDetect-SuperClinical-434M(https://huggingface.co/OpenMed/OpenMed-NER-DiseaseDetect-SuperClinical-434M) Specialized model for Disease Entity Recognition - Disease entities from the BC5CDR dataset !License(https://img.shields.io/...
🧬 OpenMed-NER-DiseaseDetect-ElectraMed-109M(https://huggingface.co/OpenMed/OpenMed-NER-DiseaseDetect-ElectraMed-109M) Specialized model for Disease Entity Recognition - Disease entities from the BC5CDR dataset !License(https://img.shields.io/badge/...
FlagEmbedding Model List | FAQ | Usage | Evaluation | Train | Contact | Citation | License More details please refer to our Github: FlagEmbedding(https://github.com/FlagOpen/FlagEmbedding). If you are looking for a model that supports more languages,...
🧬 OpenMed-NER-PathologyDetect-TinyMed-135M(https://huggingface.co/OpenMed/OpenMed-NER-PathologyDetect-TinyMed-135M) Specialized model for Disease Entity Recognition - Disease entities from the NCBI dataset !License(https://img.shields.io/badge/Lice...
Whisper Whisper is a state-of-the-art model for automatic speech recognition (ASR) and speech translation, proposed in the paper Robust Speech Recognition via Large-Scale Weak Supervision(https://huggingface.co/papers/2212.04356) by Alec Radford et...