🚀 🇨🇳 中文 医疗会话 NER 模型

这个模型是专门针对中文医疗会话文档的命名实体识别（NER）模型。它基于 tsmatz/xlm - roberta - ner - japanese 进行微调，优化后可用于医疗领域的信息提取和匿名化处理。

🚀 快速开始

from transformers import AutoTokenizer, AutoModelForTokenClassification, pipeline

model = AutoModelForTokenClassification.from_pretrained("Tetsuo3003/ner-medical-japanese")
tokenizer = AutoTokenizer.from_pretrained("Tetsuo3003/ner-medical-japanese")
ner_pipeline = pipeline("ner", model=model, tokenizer=tokenizer, aggregation_strategy="simple")

text = "金丸先生が松本市にある石川クリニックに通院しました。"
results = ner_pipeline(text)
for entity in results:
    print(f"{entity['word']} → {entity['entity_group']} (score: {entity['score']:.2f})")

✨ 主要特性

• 从医疗会话文档中提取命名实体（姓名、机构名、地名等）。
• 进行匿名化处理。
• 整理医疗相关数据的信息。
• 进行风险分析和研究数据整理。

📚 详细文档

🏷️ 适用范围

• 患者会话记录。
• 诊疗笔记、上门护理记录。
• 医疗机构的报告和文档。

🏷️ 标签列表

📄 许可证

本项目采用 MIT 许可证。

🔧 技术细节