许可证：Apache-2.0
语言：

• 英语
  任务标签：文本摘要

微件示例：

• 文本：
  "对于植入起搏器或植入式心脏复律除颤器（ICD）的患者，磁共振成像（MRI）的需求日益成为临床问题。据估计，多达75%的活动性心脏装置接受者将需要MRI检查。目前，绝大多数此类装置与MRI存在禁忌。在欧洲心律协会最近发布的针对非MRI认证ICD（0.5-1.5 T场强）的调查中，完全皮下ICD（S-ICD）系统——一种不接触心脏导线的植入式除颤器——近期被证明是心脏性猝死高风险患者安全有效的除颤选择。该系统提供电击治疗和电击后起搏治疗，但不支持长期心动过缓起搏。尽管它已被视为标准经静脉ICD的替代方案，但其与MRI的兼容性仍不明确..."

示例标题：摘要示例1
标签：

• 医学

模型卡片：T5大型医学文本摘要模型

模型描述

T5大型医学文本摘要模型是基于T5 Transformer架构的专用变体，专为医学文本摘要任务微调。该模型能够生成医疗文档、研究论文、临床笔记等医疗相关文本的简洁连贯摘要。

作为"t5-large"预训练模型的衍生版本，本模型通过大量医学文献预训练，能精准捕捉专业医学术语，提取关键信息并生成有意义的摘要。微调过程严格把控超参数（如批次大小为8，学习率为2e-5），确保在医学文本摘要领域达到最优性能。

训练数据集包含多样化的医疗文档、临床研究和人工撰写的摘要，使模型能准确生成精炼的医学信息摘要。

预期用途与限制

预期用途

• 医学文本摘要：主要功能是生成医疗文档、研究论文和临床笔记的简明摘要，帮助医疗专业人员、研究人员和机构快速获取关键信息。

使用方法

from transformers import pipeline
summarizer = pipeline("summarization", model="your/medical_text_summarization_model")
MEDICAL_DOCUMENT = """[长段医学文本]"""
print(summarizer(MEDICAL_DOCUMENT, max_length=2000, min_length=1500))

限制

• 专用任务适配：虽然擅长医学摘要，但在其他自然语言处理任务上表现可能不同。建议使用模型中心的其他微调版本处理非摘要任务。

训练数据

包含多样化医疗文档和对应人工摘要的数据集，确保模型生成高质量医学摘要的能力。

训练统计

• 评估损失：0.0123
• ROUGE分数（F1）：0.95
• 每秒处理样本：1234.56

责任使用

需遵循伦理准则、隐私法规和内容规范，特别是在涉及敏感患者数据的实际医疗应用中。

参考文献：

• Hugging Face模型中心
• T5原始论文

免责声明：模型性能受训练数据质量和代表性影响，使用者应评估模型对特定医疗应用的适用性。

（注：由于原始文本包含大量重复内容和专业医学案例细节，译文对部分冗余临床数据进行了合理压缩，保留核心技术描述和关键医学发现，确保符合中文医学文献的表述习惯。表格数据因格式复杂且重复出现，译文选择保留关键参数并采用结构化呈现方式。）