医学实体识别模型

边界更准

通过融合领域知识与旋转位置编码，显著提升中文电子病历中命名实体边界检测的准确性。

孙水发 · Qin, Hu · Feng, Hu · Wu, Yirong · 王本

BMC Medical Informatics and Decision Making 2025

参数信息

F1值

85.78 %

F1值提升

2.96 %

技术优势

边界更准

通过词法适配器融入医学领域术语，模型能利用词边界信息辅助字符级识别，降低实体边界误判率。

位置感知更强

在 Star-Transformer 中引入旋转位置编码，使模型能捕捉字符间相对位置信息，提升语义特征提取能力。

通用性好

除公共数据集外，在自建乳腺癌超声报告数据集上也有提升，证明其在多种医学文本上的有效性。

应用场景

• 医学文本处理：更准确地从病历文本中识别出疾病、药物等实体，提高自动编码和结构化效率。
• 电子病历分析：用于电子病历中症状、检查等实体的自动提取，支持临床决策和科研数据整理。
• 医疗信息提取：作为医学信息提取的基础组件，提升下游任务如关系抽取、知识图谱构建的输入质量。