AIbase

生物医学实体识别
Openbioner Base
MIT
OpenBioNER 是一款专为开放领域生物医学命名实体识别（NER）定制的轻量级 BERT 模型，仅需目标实体类型的自然语言描述即可识别未见过的实体类型，无需重新训练。
序列标注
PyTorch
英语
O
disi-unibo-nlp
210
1
GENIE En 8b
Apache-2.0
GENIE是一个端到端模型，专门用于从电子健康记录（EHR）中结构化自由文本，提取生物医学命名实体及其相关属性。
大型语言模型
英语
G
THUMedInfo
141
4
Biomed NER
基于DeBERTaV3的生物医学命名实体识别模型，专门用于从临床文本中提取疾病、药物等结构化信息
序列标注
英语
B
Helios9
554
4
Clinical Bert Ft
MIT
基于Bio_ClinicalBERT微调的临床文本处理模型，在F1分数上表现良好
文本分类
Transformers
C
ericntay
20
0
Biomedical Ner All
Apache-2.0
基于distilbert-base-uncased训练的英文命名实体识别模型，专为识别生物医学实体（107种实体类别）设计，适用于病例报告等文本语料。
序列标注
Transformers
英语
B
d4data
112.41k
165
Nbme Deberta Large
MIT
基于microsoft/deberta-large微调的模型，用于特定任务处理
大型语言模型
Transformers
N
smeoni
136
0
Nbme Roberta Large
MIT
基于roberta-large微调的模型，用于特定任务处理，评估损失值为0.7825
大型语言模型
Transformers
N
smeoni
35
0
Bsc Bio Ehr Es
Apache-2.0
针对西班牙语生物医学和临床文本优化的预训练语言模型，支持临床NLP任务
大型语言模型
Transformers
西班牙语
B
PlanTL-GOB-ES
624
12
Biobert Chemical Ner
Apache-2.0
基于BioBERT架构，在BC5CDR化学物质与BC4CHEMD数据集上微调的生物医学命名实体识别模型
序列标注
Transformers
英语
B
alvaroalon2
5,175
20
Epiextract4gard V2
其他
基于BioBERT微调的命名实体识别模型，专注于识别罕见疾病摘要中的流行病学信息。
序列标注
Transformers
英语
E
ncats
34
0
Biosyn Sapbert Ncbi Disease
由韩国大学Dmis-lab开发的基于BioBERT的生物医学实体识别模型，专注于NCBI疾病数据集的特征提取任务
文本嵌入
Transformers
B
dmis-lab
580
2