Description
This pretrained pipeline is built on the top of bert_token_classifier_ner_clinical_trials_abstracts model.
Predicted Entities
How to use
from sparknlp.pretrained import PretrainedPipeline
pipeline = PretrainedPipeline("bert_token_classifier_ner_clinical_trials_abstracts_pipeline", "es", "clinical/models")
text = '''Efecto de la suplementación con ácido fólico sobre los niveles de homocisteína total en pacientes en hemodiálisis. La hiperhomocisteinemia es un marcador de riesgo independiente de morbimortalidad cardiovascular. Hemos prospectivamente reducir los niveles de homocisteína total (tHcy) mediante suplemento con ácido fólico y vitamina B6 (pp), valorando su posible correlación con dosis de diálisis, función residual y parámetros nutricionales.'''
result = pipeline.fullAnnotate(text)
import com.johnsnowlabs.nlp.pretrained.PretrainedPipeline
val pipeline = new PretrainedPipeline("bert_token_classifier_ner_clinical_trials_abstracts_pipeline", "es", "clinical/models")
val text = "Efecto de la suplementación con ácido fólico sobre los niveles de homocisteína total en pacientes en hemodiálisis. La hiperhomocisteinemia es un marcador de riesgo independiente de morbimortalidad cardiovascular. Hemos prospectivamente reducir los niveles de homocisteína total (tHcy) mediante suplemento con ácido fólico y vitamina B6 (pp), valorando su posible correlación con dosis de diálisis, función residual y parámetros nutricionales."
val result = pipeline.fullAnnotate(text)
from sparknlp.pretrained import PretrainedPipeline
pipeline = PretrainedPipeline("bert_token_classifier_ner_clinical_trials_abstracts_pipeline", "es", "clinical/models")
text = '''Efecto de la suplementación con ácido fólico sobre los niveles de homocisteína total en pacientes en hemodiálisis. La hiperhomocisteinemia es un marcador de riesgo independiente de morbimortalidad cardiovascular. Hemos prospectivamente reducir los niveles de homocisteína total (tHcy) mediante suplemento con ácido fólico y vitamina B6 (pp), valorando su posible correlación con dosis de diálisis, función residual y parámetros nutricionales.'''
result = pipeline.fullAnnotate(text)
Results
| | ner_chunk | begin | end | ner_label | confidence |
|---:|:------------------------|--------:|------:|:------------|-------------:|
| 0 | suplementación | 13 | 26 | PROC | 0.999993 |
| 1 | ácido fólico | 32 | 43 | CHEM | 0.999753 |
| 2 | niveles de homocisteína | 55 | 77 | PROC | 0.997803 |
| 3 | hemodiálisis | 101 | 112 | PROC | 0.999993 |
| 4 | hiperhomocisteinemia | 118 | 137 | DISO | 0.999995 |
| 5 | niveles de homocisteína | 248 | 270 | PROC | 0.999988 |
| 6 | tHcy | 279 | 282 | PROC | 0.999989 |
| 7 | ácido fólico | 309 | 320 | CHEM | 0.999987 |
| 8 | vitamina B6 | 324 | 334 | CHEM | 0.999967 |
| 9 | pp | 337 | 338 | CHEM | 0.999889 |
| 10 | diálisis | 388 | 395 | PROC | 0.999993 |
| 11 | función residual | 398 | 414 | PROC | 0.999948 |
Model Information
| Model Name: | bert_token_classifier_ner_clinical_trials_abstracts_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