معرفی شرکت ها
clinisift-0.0.3
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
An NLP tool for parsing, analyzing, and visualizing medical records
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | clinisift-0.0.3 |
| نام | clinisift |
| نسخه کتابخانه | 0.0.3 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Sam Rawal |
| ایمیل نویسنده | scrawal2@illinois.edu |
| آدرس صفحه اصلی | https://github.com/clinisift/clinisift |
| آدرس اینترنتی | https://pypi.org/project/clinisift/ |
| مجوز | - |
# clinisift
`clinisift` is a multitool for processing clinical medical records.
The main goal is to provide easy, off-the-shelf access to **common NLP processes** when working with medical records:
- **Sentence Tokenization** and **Section Identification** from unstructured clinical textual data
- **Named Entity Recognition** of medication-related data and clinical entities from records
- **Intuitive visualization** of extracted information
Some motivating examples that can be accomplished in only a few lines of code to illustrate possible use-cases:
- Extract clinical problems and procedures mentioned in a record's CLINICAL HISTORY section.
- When exploring a new dataset, visualize records with clinical and medication entities parsed and highlighted on-the-fly.
- Check if both a particular medication and particular surgical procedure are mentioned in a patient's PAST MEDICAL HISTORY.
<a id="org9f96de1"></a>
## Quick Features
- **Parse** - Extract clinical and medical entities through Transformers-based Named Entity Recognition, as well as other components like medical record section identification. Also supports any NER model that can be loaded as a HuggingFace pipeline
- **Analyze** - Built-in methods to quickly filter through parsed data with as little code overhead as possible.
- **Visualize** - spaCy-based visualizer that integrates with Transformers NER to visualize medical record parses on-the-fly, programmatically or via command line.
<a id="org37a2636"></a>
# Get Started
<a id="org46aa298"></a>
## Installation
Install via `pip`:
pip install clinisift
Or, from source:
git clone git@github.com:clinisift/clinisift.git
cd clinisift && pip install -e .
<a id="org7b0aef4"></a>
# Quickstart
For a comprehensive overview of clinisift's capabilities, see the ["Components" page on the wiki](https://github.com/clinisift/clinisift/wiki/Components).
<a id="org4ce4ce1"></a>
## Components
clinisift is made up of `Parser` and `Doc` components. See the ["Components" page on the wiki](https://github.com/clinisift/clinisift/wiki/Components) for an explanation of all the parameters.
class Parser(
models=None,
include_ents=[],
exclude_ents=[],
iob_resolve=True,
sent_tokenizer="clinitokenizer",
sent_per_line=False,
extract_section_headers=False,
section_header_expr=None,
device=None,
)
class Doc(
filepath_or_str,
parser,
is_file=True
)
<a id="org02398ac"></a>
## Examples
Below are some examples for common use-cases.
<a id="org3b3880f"></a>
### Extract all clinical entities and medications from a \*.txt file
from clinisift.cliniparse import Parser
from clinisift.doc import Doc
parser = Parser() # med ner and clinical ner
doc = Doc(text_file_path, parser)
res = doc.parse()
# { "sentences": [...],
# "entities": [...l, }
<a id="org4877a29"></a>
### Visualize entities extracted on-the-fly from a directory of .txt files
To launch a visualizer using the default Parser() config:
From the command line:
python -m clinisift.visualizer /my/data/dir
A Flask server will be launched:
The visualizer module can be integrated with any \`Parser\` for more customizability about the NER pipelines used, entities visualized, and so forth. More information is available in the wiki.
نیازمندی
| مقدار | نام |
|---|---|
| >=1.8.0 | torch |
| >=4.4.1 | transformers |
| >=3.5 | nltk |
| >=3.0 | spacy |
| ==1.1.2 | Flask |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.6 | Python |
نحوه نصب
نصب پکیج whl clinisift-0.0.3:
pip install clinisift-0.0.3.whl
نصب پکیج tar.gz clinisift-0.0.3:
pip install clinisift-0.0.3.tar.gz