0) { for (i = 0; i < cbs.length; i++) { cbs[i](); } } }); return { then: function(cb) { cb && (loaded ? cb() : (cbs.push(cb))); } }; })(); })(); (function() { window.throttle = function(func, wait) { var args, result, thisArg, timeoutId, lastCalled = 0; function trailingCall() { lastCalled = new Date; timeoutId = null; result = func.apply(thisArg, args); } return function() { var now = new Date, remaining = wait - (now - lastCalled); args = arguments; thisArg = this; if (remaining <= 0) { clearTimeout(timeoutId); timeoutId = null; lastCalled = now; result = func.apply(thisArg, args); } else if (!timeoutId) { timeoutId = setTimeout(trailingCall, remaining); } return result; }; }; })(); (function() { var Set = (function() { var add = function(item) { var i, data = this._data; for (i = 0; i < data.length; i++) { if (data[i] === item) { return; } } this.size ++; data.push(item); return data; }; var Set = function(data) { this.size = 0; this._data = []; var i; if (data.length > 0) { for (i = 0; i < data.length; i++) { add.call(this, data[i]); } } }; Set.prototype.add = add; Set.prototype.get = function(index) { return this._data[index]; }; Set.prototype.has = function(item) { var i, data = this._data; for (i = 0; i < data.length; i++) { if (this.get(i) === item) { return true; } } return false; }; Set.prototype.is = function(map) { if (map._data.length !== this._data.length) { return false; } var i, j, flag, tData = this._data, mData = map._data; for (i = 0; i < tData.length; i++) { for (flag = false, j = 0; j < mData.length; j++) { if (tData[i] === mData[j]) { flag = true; break; } } if (!flag) { return false; } } return true; }; Set.prototype.values = function() { return this._data; }; return Set; })(); window.Lazyload = (function(doc) { var queue = {js: [], css: []}, sources = {js: {}, css: {}}, context = this; var createNode = function(name, attrs) { var node = doc.createElement(name), attr; for (attr in attrs) { if (attrs.hasOwnProperty(attr)) { node.setAttribute(attr, attrs[attr]); } } return node; }; var end = function(type, url) { var s, q, qi, cbs, i, j, cur, val, flag; if (type === 'js' || type ==='css') { s = sources[type], q = queue[type]; s[url] = true; for (i = 0; i < q.length; i++) { cur = q[i]; if (cur.urls.has(url)) { qi = cur, val = qi.urls.values(); qi && (cbs = qi.callbacks); for (flag = true, j = 0; j < val.length; j++) { cur = val[j]; if (!s[cur]) { flag = false; } } if (flag && cbs && cbs.length > 0) { for (j = 0; j < cbs.length; j++) { cbs[j].call(context); } qi.load = true; } } } } }; var load = function(type, urls, callback) { var s, q, qi, node, i, cur, _urls = typeof urls === 'string' ? new Set([urls]) : new Set(urls), val, url; if (type === 'js' || type ==='css') { s = sources[type], q = queue[type]; for (i = 0; i < q.length; i++) { cur = q[i]; if (_urls.is(cur.urls)) { qi = cur; break; } } val = _urls.values(); if (qi) { callback && (qi.load || qi.callbacks.push(callback)); callback && (qi.load && callback()); } else { q.push({ urls: _urls, callbacks: callback ? [callback] : [], load: false }); for (i = 0; i < val.length; i++) { node = null, url = val[i]; if (s[url] === undefined) { (type === 'js' ) && (node = createNode('script', { src: url })); (type === 'css') && (node = createNode('link', { rel: 'stylesheet', href: url })); if (node) { node.onload = (function(type, url) { return function() { end(type, url); }; })(type, url); (doc.head || doc.body).appendChild(node); s[url] = false; } } } } } }; return { js: function(url, callback) { load('js', url, callback); }, css: function(url, callback) { load('css', url, callback); } }; })(this.document); })();
Edit on GitHub
  • John Snow Labs
  • Jun 17, 2023

Pipeline to Detect Living Species (w2v_cc_300d)

  • fr
  • ner
  • clinical
  • licensed

Description

This pretrained pipeline is built on the top of ner_living_species model.

Predicted Entities

Copy S3 URI

How to use

from sparknlp.pretrained import PretrainedPipeline

pipeline = PretrainedPipeline("ner_living_species_pipeline", "fr", "clinical/models")

text = '''Femme de 47 ans allergique à l'iode, fumeuse sociale, opérée pour des varices, deux césariennes et un abcès fessier. Vit avec son mari et ses trois enfants, travaille comme enseignante. Initialement, le patient a eu une bonne évolution, mais au 2ème jour postopératoire, il a commencé à montrer une instabilité hémodynamique. Les sérologies pour Coxiella burnetii, Bartonella henselae, Borrelia burgdorferi, Entamoeba histolytica, Toxoplasma gondii, herpès simplex virus 1 et 2, cytomégalovirus, virus d'Epstein Barr, virus de la varicelle et du zona et parvovirus B19 étaient négatives. Cependant, un test au rose Bengale positif pour Brucella, le test de Coombs et les agglutinations étaient également positifs avec un titre de 1/40.'''

result = pipeline.fullAnnotate(text)

import com.johnsnowlabs.nlp.pretrained.PretrainedPipeline

val pipeline = new PretrainedPipeline("ner_living_species_pipeline", "fr", "clinical/models")

val text = "Femme de 47 ans allergique à l'iode, fumeuse sociale, opérée pour des varices, deux césariennes et un abcès fessier. Vit avec son mari et ses trois enfants, travaille comme enseignante. Initialement, le patient a eu une bonne évolution, mais au 2ème jour postopératoire, il a commencé à montrer une instabilité hémodynamique. Les sérologies pour Coxiella burnetii, Bartonella henselae, Borrelia burgdorferi, Entamoeba histolytica, Toxoplasma gondii, herpès simplex virus 1 et 2, cytomégalovirus, virus d'Epstein Barr, virus de la varicelle et du zona et parvovirus B19 étaient négatives. Cependant, un test au rose Bengale positif pour Brucella, le test de Coombs et les agglutinations étaient également positifs avec un titre de 1/40."

val result = pipeline.fullAnnotate(text)

from sparknlp.pretrained import PretrainedPipeline

pipeline = PretrainedPipeline("ner_living_species_pipeline", "fr", "clinical/models")

text = '''Femme de 47 ans allergique à l'iode, fumeuse sociale, opérée pour des varices, deux césariennes et un abcès fessier. Vit avec son mari et ses trois enfants, travaille comme enseignante. Initialement, le patient a eu une bonne évolution, mais au 2ème jour postopératoire, il a commencé à montrer une instabilité hémodynamique. Les sérologies pour Coxiella burnetii, Bartonella henselae, Borrelia burgdorferi, Entamoeba histolytica, Toxoplasma gondii, herpès simplex virus 1 et 2, cytomégalovirus, virus d'Epstein Barr, virus de la varicelle et du zona et parvovirus B19 étaient négatives. Cependant, un test au rose Bengale positif pour Brucella, le test de Coombs et les agglutinations étaient également positifs avec un titre de 1/40.'''

result = pipeline.fullAnnotate(text)

Results

|    | ner_chunks                       |   begin |   end | ner_label   |   confidence |
|---:|:---------------------------------|--------:|------:|:------------|-------------:|
|  0 | Femme                            |       0 |     4 | HUMAN       |     1        |
|  1 | mari                             |     130 |   133 | HUMAN       |     0.982    |
|  2 | enfants                          |     148 |   154 | HUMAN       |     0.9863   |
|  3 | patient                          |     203 |   209 | HUMAN       |     0.9989   |
|  4 | Coxiella burnetii                |     346 |   362 | SPECIES     |     0.9309   |
|  5 | Bartonella henselae              |     365 |   383 | SPECIES     |     0.99275  |
|  6 | Borrelia burgdorferi             |     386 |   405 | SPECIES     |     0.98795  |
|  7 | Entamoeba histolytica            |     408 |   428 | SPECIES     |     0.98455  |
|  8 | Toxoplasma gondii                |     431 |   447 | SPECIES     |     0.9736   |
|  9 | cytomégalovirus                  |     479 |   493 | SPECIES     |     0.9979   |
| 10 | virus d'Epstein Barr             |     496 |   515 | SPECIES     |     0.788667 |
| 11 | virus de la varicelle et du zona |     518 |   549 | SPECIES     |     0.788543 |
| 12 | parvovirus B19                   |     554 |   567 | SPECIES     |     0.9341   |
| 13 | Brucella                         |     636 |   643 | SPECIES     |     0.9993   |

Model Information

Model Name: ner_living_species_pipeline
Type: pipeline
Compatibility: Healthcare NLP 4.4.4+
License: Licensed
Edition: Official
Language: fr
Size: 1.3 GB

Included Models

  • DocumentAssembler
  • SentenceDetectorDLModel
  • TokenizerModel
  • WordEmbeddingsModel
  • MedicalNerModel
  • NerConverterInternalModel