Description
This pretrained pipeline is built on the top of bert_token_classifier_negation_uncertainty model.
Predicted Entities
How to use
from sparknlp.pretrained import PretrainedPipeline
pipeline = PretrainedPipeline("bert_token_classifier_negation_uncertainty_pipeline", "es", "clinical/models")
text = '''Con diagnóstico probable de cirrosis hepática (no conocida previamente) y peritonitis espontanea primaria con tratamiento durante 8 dias con ceftriaxona en el primer ingreso (no se realizó paracentesis control por escasez de liquido). Lesión tumoral en hélix izquierdo de 0,5 cms. de diámetro susceptible de ca basocelular perlado.'''
result = pipeline.fullAnnotate(text)
import com.johnsnowlabs.nlp.pretrained.PretrainedPipeline
val pipeline = new PretrainedPipeline("bert_token_classifier_negation_uncertainty_pipeline", "es", "clinical/models")
val text = "Con diagnóstico probable de cirrosis hepática (no conocida previamente) y peritonitis espontanea primaria con tratamiento durante 8 dias con ceftriaxona en el primer ingreso (no se realizó paracentesis control por escasez de liquido). Lesión tumoral en hélix izquierdo de 0,5 cms. de diámetro susceptible de ca basocelular perlado."
val result = pipeline.fullAnnotate(text)
Results
| | ner_chunk | begin | end | ner_label | confidence |
|---:|:-------------------------------------------------------|--------:|------:|:------------|-------------:|
| 0 | probable | 16 | 23 | UNC | 0.999994 |
| 1 | de cirrosis hepática | 25 | 44 | USCO | 0.999988 |
| 2 | no | 47 | 48 | NEG | 0.999995 |
| 3 | conocida previamente | 50 | 69 | NSCO | 0.999992 |
| 4 | no | 175 | 176 | NEG | 0.999995 |
| 5 | se realizó paracentesis control por escasez de liquido | 178 | 231 | NSCO | 0.999995 |
| 6 | susceptible de | 293 | 306 | UNC | 0.999986 |
| 7 | ca basocelular perlado | 308 | 329 | USCO | 0.99999 |
Model Information
| Model Name: | bert_token_classifier_negation_uncertainty_pipeline |
| Type: | pipeline |
| Compatibility: | Healthcare NLP 4.4.4+ |
| License: | Licensed |
| Edition: | Official |
| Language: | es |
| Size: | 410.6 MB |
Included Models
- DocumentAssembler
- SentenceDetectorDLModel
- TokenizerModel
- MedicalBertForTokenClassifier
- NerConverterInternalModel