LayoutLM Healthcare NLP Dataset
Conjunto de datos que combina datos médicos y modelos de PNL (LLM, transformers LayoutLM) para el análisis y la clasificación de documentos semiestructurados, como los formularios de pacientes.
Aproximadamente 11.100 archivos con 14 columnas, formatos JSON/CSV adaptados a transformadores LayoutLM y NLP médicos
CC BY-SA 4.0
Descripción
El conjunto de datos LayoutLM Healthcare NLP Dataset incluye datos y modelos para una variedad de tareas de PNL médicas, como el resumen, las preguntas y respuestas, el etiquetado simbólico y la clasificación, con un enfoque en documentos semiestructurados, como los formularios para pacientes.
¿Para qué sirve este conjunto de datos?
- Capacite modelos de PNL de salud especializados en documentos semiestructurados
- Realizar tareas de resumen, preguntas y respuestas y clasificación de datos médicos
- Desarrollar transformadores adaptados a las necesidades del sector médico
¿Se puede enriquecer o mejorar?
Sí, añadiendo anotaciones específicas para los subcampos médicos o integrando datos multilingües para ampliar el alcance. También es posible la adaptación a otros formatos de documentos semiestructurados.
🔎 En resumen
🧠 Recomendado para
- Investigadores médicos de PNL
- Desarrolladores de IA para la salud
- Científicos de datos
🔧 Herramientas compatibles
- Hugging Face Transformers
- LayoutLM
- PyTorch
- TensorFlow
💡 Consejo
Aproveche el formato semiestructurado para combinar la información textual y el diseño visual en sus modelos.
Preguntas frecuentes
¿Qué es LayoutLM y por qué es adecuado para documentos médicos?
LayoutLM es una plantilla transformadora que integra el diseño de documentos para comprender mejor los documentos semiestructurados, muy útil para los formularios médicos.
¿Este conjunto de datos incluye anotaciones para el reconocimiento de entidades con nombre (NER)?
Sí, incluye anotaciones para el etiquetado de fichas, incluida la NER, aptas para aplicaciones médicas.
¿Se puede usar este conjunto de datos para capacitar a los LLM generales?
Está diseñado principalmente para tareas médicas y documentos semiestructurados, pero algunos elementos se pueden transferir a modelos más grandes.
