# 醫學命名實體識別（Medical NER）任務介紹

<!-- ## Hackmd Link -->
<!-- ## https://hackmd.io/@normal/mi2sMER -->
<!--  -->

## 什麼是 MER ？
醫學命名實體識別（Medical Named Entity Recognition）是一項自然語言處理（NLP）任務，旨在==辨識和抽取醫學文本中的有用資訊==。這些資訊可能包括**疾病、藥物、症狀、治療方法、醫學專有名詞**等。醫學 NER 的目標是從大量醫學文本中自動標識這些實體，以幫助醫學研究、臨床記錄和文獻檢索等應用。

## 任務範例
- 疾病:
- 文本：**患者被診斷出患有乳腺癌**
- NER 結果：==乳腺癌==。

- 藥物名稱:
- 文本：**醫生建議開始服用阿司匹林作為心臟保護**
- NER 結果：==阿司匹林==。

- 症狀:
- 文本：**患者報告有嚴重的頭痛和噁心**
- NER 結果：==頭痛==、==噁心==

- 治療方法:
- 文本：**患者正在接受放射線治療**
- NER 結果：==放射線治療==

## 綜合任務
- 文本：**病患呼吸不適持續一個多禮拜，心臟抽痛多天，SPO2，99%**
- NER 結果：
- 時間：==一個多禮拜==
- 症狀：==呼吸不適==、==心臟抽痛==
- 縮寫：==SPO2==

## ~~[資料集連結](https://drive.google.com/drive/folders/1nX0Nt2sxKUtZ65yYMZJkxav1ftuurY7g?usp=sharing) $\Leftarrow$ 點這裡看資料~~ 已移至 NAS shared 資料夾

## CoNLL 2003 IOB 標記法
在 NER 任務中，通常使用 CoNLL 2003 IOB（Inside, Outside, Beginning）標記法來標記實體，它具有以下標記方式：

- B : Begin
- I : Inside
- E : End
- S : Single
- O : Outside

`B-XXX` $\Rightarrow$ 這是實體 `XXX` 的開頭
`I-XXX` $\Rightarrow$ 這是實體 `XXX` 的中間
`E-XXX` $\Rightarrow$ 這是實體 `XXX` 的結尾
`S-XXX` $\Rightarrow$ 這是單一個字的實體 `XXX`
`O` $\Rightarrow$ 這是這不是一個實體

## [Colab](https://colab.research.google.com/?hl=zh-tw) $\Leftarrow$ 點這裡看 colab 官方簡介
Colab（Colaboratory）是 Google 開發的一個免費的雲端環境。它結合了 Jupyter 筆記本和 Google 雲端計算資源，可讓你在瀏覽器中編寫及執行 Python 程式碼，並具有以下優點：
- 省略開發前的任何設定
- 免付費使用 GPU (有用量限制)
- 與別人共同開發
- 使用 HTML、LaTeX 寫程式碼註解

## 作業說明
### 1. Tags and their meaning

O: outer of entity
B: begin of entity
I: inner of entity
E: end of entity
S: single word

Tim: Time (相對時間/絕對時間)
Org: Organs (身體部位/器官)
Sym: Symptoms (症狀)
Abb: Abbreviation (縮寫)
Exa: Examination (檢查)
Dis: Diseases (疾病名稱)
Dep: Department (部門/科別)
Tre: Treatment (治療方式/用具)
Med: Medicine (藥名)
Hea: Protected Health Information (病人資訊)

### 2. Files
+ 訓練集: `train.txt`
+ 測試集: `test.txt`
+ 字符集: `vocabs.txt`
+ 標籤集: `tags.txt`

### 3. 評分
實作三個 NER models，並且在測試集上進行測試，計算 ==precision==, ==recall==, ==f1-score==，==及各個類別的分類結果==，可以附上文件，說明有什麼發現、遇到什麼困難及怎麼解決、錯誤分析。
- CRF
- BiLSTM-CRF
- BERT

有提供另一個資料集 `Dataset2` 也可以試試看

#### 3-1 繳交
1. ~~建立自己的資料夾，以學號命名，如: `P12345678`~~
2. ~~在資料夾中放入自己的程式碼 (`.py` or `.ipynb`) 以及分數截圖~~
3. ==繳交到 moodle 上，程式碼、執行結果截圖==

## 錯誤分析

### 錯誤一 ： 身體部位 (I)
- 資料集中的標記規則不一致
- 某些「身體部位」有前綴修飾詞，某些則無，如
- 雙、右、左、下、上
- 雙手 $\Rightarrow$ 手
- 雙腳 $\Rightarrow$ 腳
- 上腹部 $\Rightarrow$ 腹部
- 左胸口 $\Rightarrow$ 胸口
- 右臉 $\Rightarrow$ 臉

:::spoiler
:::

### 錯誤二 ： 縮寫 (S)
- 標點符號被誤標成 `S-Abb`
- 可以在訓練前，去除標點符號，但可能會犧牲一點上下文資訊


:::spoiler
:::