许可协议：知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议
微调示例：

• 文本："甲状腺半切术是指切除一半的腺体。"
  示例标题："示例1"
• 文本："李-佛美尼综合征是一种常染色体显性遗传的遗传性肿瘤。"
  示例标题："示例2"
• 文本："沿胰腺前方筋膜向脾脏方向切开，以脾动脉和静脉。"
  示例标题："示例3"

SurgicBERTa模型

SurgicBERTa是基于RoBERTa-base架构（Liu等人，2019）开发的语言模型。
我们通过持续预训练的方式，使RoBERTa-base适配不同的外科教材与学术论文。训练数据涵盖约700万单词和30万条外科相关语句。
训练过程中使用了书籍和论文的全文内容，而非仅摘要部分。
自适应预训练流程与评估任务的具体细节请参阅下文引用的论文。

引用规范

若使用本模型，请引用以下论文：





@article{bombieri_et_al_SurgicBERTa_2023,

title = {Surgicberta：面向外科流程语言的预训练模型},

journal = {国际数据科学与分析期刊},

year = {2023},

doi = { https://doi.org/10.1007/s41060-023-00433-5 },

url = { https://link.springer.com/article/10.1007/s41060-023-00433-5 },

author = {Marco Bombieri and Marco Rospocher and Simone Paolo Ponzetto and Paolo Fiorini},

}

若将本模型用于语义角色标注任务，请同时引用以下论文：





@article{bombieri_et_al_surgical_srl_2023,

title = {从外科教材中机器理解手术动作},

journal = {生物医学中的计算机应用},

volume = {152},

pages = {106415},

year = {2023},

issn = {0010-4825},

doi = {https://doi.org/10.1016/j.compbiomed.2022.106415},

url = {https://www.sciencedirect.com/science/article/pii/S0010482522011234},

author = {Marco Bombieri and Marco Rospocher and Simone Paolo Ponzetto and Paolo Fiorini},

keywords = {语义角色标注, 外科数据科学, 流程知识, 信息抽取, 自然语言处理}

}