许可协议：Apache-2.0
标签：

• 文本分类

用于ICD-10编码预测的临床BERT模型

《公开可用的临床BERT嵌入》论文中包含了四个独特的临床BERT模型：这些模型基于BERT-Base（cased_L-12_H-768_A-12）或BioBERT（BioBERT-Base v1.0 + PubMed 200K + PMC 270K）初始化，并分别在全部MIMIC病历或仅出院小结上进行训练。

模型使用方法

通过transformers库加载模型：

from transformers import AutoTokenizer, BertForSequenceClassification  
tokenizer = AutoTokenizer.from_pretrained("AkshatSurolia/ICD-10-Code-Prediction")  
model = BertForSequenceClassification.from_pretrained("AkshatSurolia/ICD-10-Code-Prediction")  
config = model.config  

输入临床诊断文本运行模型：

text = "蛛网膜下腔出血 头皮裂伤 科室：外科 重大手术或侵入性操作"  
encoded_input = tokenizer(text, return_tensors='pt')  
output = model(**encoded_input)  

返回预测概率最高的5个ICD-10编码：

results = output.logits.detach().cpu().numpy()[0].argsort()[::-1][:5]  
return [ config.id2label[ids] for ids in results]