Description
This pretrained pipeline is built on the top of ner_living_species_roberta model.
Predicted Entities
How to use
from sparknlp.pretrained import PretrainedPipeline
pipeline = PretrainedPipeline("ner_living_species_roberta_pipeline", "pt", "clinical/models")
text = '''Mulher de 23 anos, de Capinota, Cochabamba, Bolívia. Ela está no nosso país há quatro anos. Frequentou o departamento de emergência obstétrica onde foi encontrada grávida de 37 semanas, com um colo dilatado de 5 cm e membranas rompidas. O obstetra de emergência realizou um teste de estreptococos negativo e solicitou um hemograma, glucose, bioquímica básica, HBV, HCV e serologia da sífilis.'''
result = pipeline.fullAnnotate(text)
import com.johnsnowlabs.nlp.pretrained.PretrainedPipeline
val pipeline = new PretrainedPipeline("ner_living_species_roberta_pipeline", "pt", "clinical/models")
val text = "Mulher de 23 anos, de Capinota, Cochabamba, Bolívia. Ela está no nosso país há quatro anos. Frequentou o departamento de emergência obstétrica onde foi encontrada grávida de 37 semanas, com um colo dilatado de 5 cm e membranas rompidas. O obstetra de emergência realizou um teste de estreptococos negativo e solicitou um hemograma, glucose, bioquímica básica, HBV, HCV e serologia da sífilis."
val result = pipeline.fullAnnotate(text)
Results
| | ner_chunks | begin | end | ner_label | confidence |
|---:|:--------------|--------:|------:|:------------|-------------:|
| 0 | Mulher | 0 | 5 | HUMAN | 0.9975 |
| 1 | país | 71 | 74 | HUMAN | 0.8869 |
| 2 | grávida | 163 | 169 | HUMAN | 0.9702 |
| 3 | estreptococos | 283 | 295 | SPECIES | 0.9211 |
| 4 | HBV | 360 | 362 | SPECIES | 0.9911 |
| 5 | HCV | 365 | 367 | SPECIES | 0.9858 |
| 6 | sífilis | 384 | 390 | SPECIES | 0.8898 |
Model Information
| Model Name: | ner_living_species_roberta_pipeline |
| Type: | pipeline |
| Compatibility: | Healthcare NLP 4.4.4+ |
| License: | Licensed |
| Edition: | Official |
| Language: | pt |
| Size: | 654.1 MB |
Included Models
- DocumentAssembler
- SentenceDetectorDLModel
- TokenizerModel
- RoBertaEmbeddings
- MedicalNerModel
- NerConverterInternalModel