Project Icon

ClinicalNER

多语言临床命名实体识别模型 提取医疗文本中的药物和用药信息

ClinicalNER是一个基于XLM-R Base的多语言临床命名实体识别模型,通过英语n2c2数据集微调。该模型能从医疗文本中提取药物、剂量、频率、持续时间、用量和剂型等实体信息。在法语评估测试集MedNERF上,ClinicalNER展现了优异的零样本跨语言迁移能力,micro-F1分数达0.804。支持英、法、德、西、意等多种语言,ClinicalNER为临床文本分析提供了实用的工具。

IndicNER - 面向11种印度语言的多语言命名实体识别模型
GithubHuggingfaceIndicNER印度语言命名实体识别多语言模型开源项目模型自然语言处理
IndicNER是一个针对11种印度语言开发的命名实体识别模型。该模型通过数百万句子的微调训练,并在人工标注测试集和多个公开数据集上进行了性能评估。IndicNER支持阿萨姆语、孟加拉语、古吉拉特语等多种印度语言,能够有效识别句子中的命名实体。作为一个基于最新深度学习技术的工具,IndicNER为印度语言的自然语言处理研究和应用提供了有力支持。
pubmedbert-base-embeddings - 专为医学文献优化的嵌入模型 支持语义搜索和RAG应用
GithubHuggingfacePubMedBERT医学文献嵌入向量开源项目模型自然语言处理语义搜索
PubMedBERT Embeddings是一个专门针对医学文献优化的嵌入模型。它基于PubMedBERT进行微调,将句子和段落映射到768维向量空间。该模型在PubMed标题-摘要对上训练,相比通用模型能为医学文献生成更高质量的嵌入向量。它支持聚类、语义搜索等应用,可通过txtai、Sentence-Transformers或Hugging Face Transformers等框架轻松集成。在多个PubMed相关评估数据集上,该模型展现出优秀的性能表现。
ner-english-ontonotes - Flair框架英语命名实体识别模型支持18类实体
FlairGithubHuggingface命名实体识别序列标注开源项目机器学习模型自然语言处理
这是一个基于Flair框架的英语命名实体识别模型,能够识别18种实体类型,包括人名、地点和组织等。模型采用Flair embeddings和LSTM-CRF架构,在Ontonotes数据集上的F1分数为89.27%。该模型可应用于多种自然语言处理任务,并且可以通过简单的Python代码实现NER预测。
Llama3-Med42-8B - 临床大模型开创医学问答新时代
GithubHuggingfaceLLMMed42-v2健康医疗医疗大模型开源项目模型问答系统
Med42-v2套件提供访问8亿或70亿参数的临床大语言模型,通过LLaMA-3开发,其在医学问答任务中的表现卓越,特别是Med42-v2-70B,在MCQA任务中超越了GPT-4.0,位居临床Elo评分榜首,并在MedQA零样本测试中取得79.10的优秀成绩。目前,该模型尚需进一步评估以确保安全,并计划应用于医疗问答、患者记录总结等领域,以增强临床决策支持。
bert-base-romanian-ner - 罗马尼亚语命名实体识别的高级BERT模型
GithubHuggingfaceRONECbert-base-romanian-ner命名实体识别开源项目文本预处理模型模型性能
此项目提供了一款经过微调的BERT模型,专注于罗马尼亚语命名实体识别,以优异的性能而著称。模型识别15种实体,如人物、地缘政治实体、地点、组织等,并基于RONEC v2.0数据集训练,拥有超过50万标记及80,283个独特实体。生成的标签采用BIO2格式,使其在命名实体识别任务中表现卓越。用户可通过Transformers库的NER管道或Python包便捷使用该模型。
awesome_Chinese_medical_NLP - 中文医学自然语言处理(NLP)开源资源大全
CBLUEGithubawesome_Chinese_medical_NLP中文医疗信息处理命名实体识别开源项目知识图谱
收录中文医学自然语言处理(NLP)各类资源,如术语集、语料库、词向量、预训练模型、知识图谱、命名实体识别、问答系统和信息抽取工具。项目旨在推动中文医学NLP技术发展,提供丰富的开源数据集和工具,包含中文医疗信息处理挑战榜CBLUE数据集、中文电子病历预训练Bert模型及多种医学词汇和知识图谱资源。这些材料涵盖术语标准化、文本分类等领域,为中文医学NLP研究和应用奠定坚实基础。
UniNER-7B-all - 跨多数据集的命名实体识别开源模型
GithubHuggingfaceUniNER命名实体识别大模型开源项目模型研究自然语言处理
UniNER-7B-all模型结合ChatGPT生成的Pile-NER-type和Pile-NER-definition数据及Universal NER基准中40个数据集进行训练,适合多数据集的命名实体识别研究。模型在排除CrossNER和MIT数据集的情况下进行OOD评估。详细的使用指南和模型信息可以通过相关论文及GitHub仓库获得,模型适用于研究目的,遵循CC BY-NC 4.0许可协议。
ShenNong-TCM-LLM - 基于LlaMA的中医药大规模语言模型 推动传统医学智能化
GithubShenNong-TCM-LLM中医药大模型开源项目指令数据集知识图谱自然语言处理
ShenNong-TCM-LLM是基于LlaMA的中医药大规模语言模型,采用实体为中心的自指令方法和中医药知识图谱生成指令数据。该模型旨在提升人工智能在中医药领域的知识和回答能力,推动大模型在传统医学中的应用。ShenNong-TCM-LLM能回答中医药问题,提供中医诊断和治疗建议,在中医药领域展现出优秀性能。
MedCAT - 从电子健康记录中提取信息并链接到生物医学术语库
GithubMedCATSNOMED-CTUMLS开源项目生物医学本体论电子健康记录
MedCAT是一款用于从电子健康记录(EHR)中提取信息并将其链接到生物医学术语库(如SNOMED-CT和UMLS)的工具。它支持多个模型,包括UMLS小型模型、完整的SNOMED国际模型和荷兰UMLS模型等。用户可以通过UMLS用户认证下载最新的模型包。项目持续更新,新增功能包括医疗文本否定检测和患者时间线深度生成建模。此外,还发布了多篇相关研究论文。安装简单,可选择支持GPU或CPU。
BioBERT-mnli-snli-scinli-scitail-mednli-stsb - 基于BioBERT的多领域句子嵌入模型
BioBERTGithubHuggingfacesentence-transformers嵌入向量开源项目模型自然语言处理语义相似度
该项目是一个基于BioBERT的句子嵌入模型,通过多个领域数据集训练而成。模型能将文本映射至768维向量空间,适用于聚类和语义搜索等任务。它不仅在生物医学领域表现出色,还可应用于其他文本分析场景。模型支持sentence-transformers和HuggingFace Transformers两种调用方式,为用户提供了便捷的使用体验。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号