Biomedical Named Entity Recognition Using Conditional Random Fields and Rich Feature Sets（2004） 2004年，Burr Settles使用具有多种传统和新颖特征的条件随机场（crf）同时识别蛋白质、DNA、RNA、细胞系和细胞类型实体类，并且表明这种方法可以在70左右达到F1的总体测量值，是当时最先进水平。

2002，Jun’ichi Kazama，Takaki Makino等人使用支持向量机（SVM）在生物医学命名实体识别中，结果表明多项式核函数的SVM系统优于基于ME的系统。

课程分享，Pytorch生物医学视觉深度学习课程（图像分类+语义分割+目标检测），共26章，提供课程配套的全部代码+课件+数据下载。共7个完整项目。

中文生物医学自然语言处理（Chinese-BioNLP） 该项目旨在跟踪中文生物医学自然语言处理的进展，收集整理相关的论文列表和展示现存方法性能。 中文电子病历命名实体识别 中文电子病历命名实体识别（Chinese Clinical Named Entity Recognition, Chinese-CNER）任务目标是从给定的电子病历纯文本文档中识别并抽取出与医学临床相关的实体提及，并将它们归类到预定义的类别。下图展示了CCKS18 CNER评测数据的一个样例。 综述论文 方法论文 CCKS 2017 CCKS 2018 CCKS 2019 CCkS 2020

给大家分享一套课程——Pytorch生物医学视觉深度学习课程（图像分类+语义分割+目标检测），共26章，提供课程配套的全部代码+课件+数据下载。 包括图像分类，语义分割，目标检测三大领域，共7个完整项目。

生物医学信号处理课件，主讲离散信号的正交变换，能量谱估计的原理

中国生物医学文献数据库

分享课程——《Pytorch生物医学视觉深度学习入门与实战--豪华版》，课程包括图像分类，语义分割，目标检测三大领域，共7个完整项目！提供所有的代码和数据下载！

第三章 期刊文献数据库检索第二节 中国生物医学 文献数据库

第二章中国生物医学文献数据库 CBMweb 一、数据库简介 二、CBM检索系统 ...