Eine Schnellstart-Anleitung in vier Schritten
Schritt 1: Vorbereitung der Umwelt
Python 3.7+ und die erforderlichen Bibliotheken müssen installiert sein:pip install transformers datasets pandas
Schritt 2: Modellauswahl
passieren (eine Rechnung oder Inspektion etc.)Anwendungen zur ModellfindungAuswahl der für das Szenario geeigneten Modelle, z.B. klinische Medikamentenanalyse mit der "PharmaDetect"-Serie.
Schritt 3: Code-Implementierung
Beispiel für einen Basisanruf:from transformers import pipeline
ner_pipeline = pipeline("token-classification",
model="OpenMed/OpenMed-NER-PharmaDetect-SuperClinical-434M")
print(ner_pipeline("患者服用10毫克阿司匹林"))
Schritt 4: Anwendung der Ergebnisse
Die Ausgabe erfolgt im strukturierten JSON-Format und kann direkt in ein EHR-System oder eine Forschungsdatenbank integriert werden. Für Szenarien, die den Schutz der Privatsphäre erfordern, kann das Plattformmodell automatisch PHI (Protected Health Information) entfernen.
Hinweis: Beim ersten Durchlauf werden die Modellgewichte (ca. 1,5 GB) automatisch heruntergeladen. Es wird empfohlen, in einer stabilen Netzwerkumgebung zu arbeiten.
Diese Antwort stammt aus dem ArtikelOpenMed: eine Open-Source-Plattform für kostenlose KI-Modelle im GesundheitswesenDie
Deutsch 
简体中文 
English 
日本語 
Português do Brasil