embeddings 的项目扩展与二次开发
2025-06-14 03:49:01作者:幸俭卉
项目的基础介绍
本项目是纽约大学的研究人员发表在2016年AMIA临床研究信息学峰会(CRI)上的一篇论文的配套代码,题目为“学习医学概念的低维表示”。项目旨在通过大型医疗数据集学习诊断代码、程序代码、药物代码和实验室代码的低维表示,以帮助改善医疗数据的分析和理解。
项目的核心功能
项目的核心功能是提供了三种不同数据集的医学概念的低维嵌入表示,包括:
claims_codes_hs_300.txt.gz
:基于近4百万人的2005年至2013年大型索赔数据集得到的ICD-9诊断和程序代码、NDC药物代码和LOINC实验室代码的嵌入。stanford_cuis_svd_300.txt.gz
:基于斯坦福医院和诊所19年数据集中的2000万份临床笔记得到的UMLS概念唯一标识符(CUIs)的嵌入。DeVine_etal_200.txt.gz
:基于348,566篇医学期刊摘要得到的UMLS CUIs的嵌入。
此外,项目还包含了用于评估和可视化这些嵌入表示的工具。
项目使用了哪些框架或库?
本项目主要使用了Python语言,依赖的框架或库包括:
numpy
:用于高效的数值计算。scikit-learn
:用于数据挖掘和数据分析。matplotlib
和seaborn
:用于数据可视化。IPython
:用于交互式计算。
项目的代码目录及介绍
项目的代码目录结构如下:
eval
:包含用于评估嵌入表示的Jupyter笔记本和Python脚本。embeddings
:包含论文中提到的三种嵌入表示文件。README.md
:项目的说明文档。LICENSE
:项目的开源协议文件。
对项目进行扩展或者二次开发的方向
-
增加新的数据源:可以尝试将其他类型的医疗数据(如电子健康记录、医学影像等)纳入模型训练,以丰富嵌入表示的维度和深度。
-
改进嵌入模型:可以尝试使用更先进的机器学习模型,如深度学习网络,来生成嵌入表示,以提高模型的性能和预测能力。
-
扩展评估工具:可以增加更多评估指标和可视化方法,以更全面地评估和比较不同嵌入表示的性能。
-
开发应用场景:基于这些嵌入表示,可以开发面向特定应用场景的工具,如疾病预测、药物推荐或患者分组等。
通过这些扩展和二次开发,本项目有望在医疗数据的分析和应用中发挥更大的作用。
登录后查看全文
热门项目推荐
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
- QQwen3-Coder-480B-A35B-InstructQwen3-Coder-480B-A35B-Instruct是当前最强大的开源代码模型之一,专为智能编程与工具调用设计。它拥有4800亿参数,支持256K长上下文,并可扩展至1M,特别擅长处理复杂代码库任务。模型在智能编码、浏览器操作等任务上表现卓越,性能媲美Claude Sonnet。支持多种平台工具调用,内置优化的函数调用格式,能高效完成代码生成与逻辑推理。推荐搭配温度0.7、top_p 0.8等参数使用,单次输出最高支持65536个token。无论是快速排序算法实现,还是数学工具链集成,都能流畅执行,为开发者提供接近人类水平的编程辅助体验。【此简介由AI生成】Python00
cherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端TypeScript045note-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。TSX02chatgpt-on-wechat
基于大模型搭建的聊天机器人,同时支持 微信公众号、企业微信应用、飞书、钉钉 等接入,可选择GPT3.5/GPT-4o/GPT-o1/ DeepSeek/Claude/文心一言/讯飞星火/通义千问/ Gemini/GLM-4/Claude/Kimi/LinkAI,能处理文本、语音和图片,访问操作系统和互联网,支持基于自有知识库进行定制企业智能客服。Python021
热门内容推荐
1 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析2 freeCodeCamp音乐播放器项目中的函数调用问题解析3 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 4 freeCodeCamp博客页面工作坊中的断言方法优化建议5 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析6 freeCodeCamp论坛排行榜项目中的错误日志规范要求7 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析8 freeCodeCamp课程页面空白问题的技术分析与解决方案9 freeCodeCamp课程视频测验中的Tab键导航问题解析10 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析
最新内容推荐
左手Annotators,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手controlnet-openpose-sdxl-1.0,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手ERNIE-4.5-VL-424B-A47B-Paddle,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手m3e-base,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手SDXL-Lightning,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手wav2vec2-base-960h,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手nsfw_image_detection,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手XTTS-v2,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手whisper-large-v3,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手flux-ip-adapter,右手GPT-4:企业AI战略的“开源”与“闭源”之辩
项目优选
收起

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
706
459

React Native鸿蒙化仓库
C++
141
224

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
53
15

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
114
255

openGauss kernel ~ openGauss is an open source relational database management system
C++
102
159

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
302
1.04 K

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.02 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
363
355

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
531
45

① 行代码,实现自动化办公
Python
21
14