TNM-Classifier-Tester

BERT を用いてがんの TNM 分類を行うプログラム．

このプログラムは，NTCIR-17 MedNLP-SC Radiology Report Subtask (MedTxt-RR)（肺がん患者の読影レポートから TNM 分類を予測するタスク）で使用したコードを基にしている．JMedRoBERTa (manbyo-wordpiece)モデルを，MedTxt-RR で提供されたコーパスを使用して再訓練したモデル(sociocom/TNM-Classifier)で実行される．

また，パッケージ管理には rye を利用している．

データの概要

サンプルデータdata/tnm_report.csv： MedTxt-RR で公開されたコーパスのうち抽出した 10 件．

入力 (data/)

id	T	N	M	text
0	4	3	0	左上葉気管支は閉塞して造影 CT で増強効果の乏しい 70mm の腫瘤があります。肺癌と考えます。

出力 (outputs/)

id	T	N	M	text	TNM_pred
0	4	3	0	左上葉気管支は閉塞して造影 CT で増強効果の乏しい 70mm の腫瘤があります。肺癌と考えます。	420

使用方法

Mecab 用辞書万病辞書をダウンロードし，data ディレクトリ直下に配置する．

Rye を導入した後，rye sync で python ライブラリをインストール

下記のコマンド一覧を参考に適切な引数を追加し，実行する．
実行例

rye run python src/main.py -i='data/tnm_report.csv' -d='cpu' -b=8

出力ファイルは output ディレクトリ下に生成される．

コマンド一覧

help が見れるコマンド: rye run python src/main.py --help
入力すると以下の説明が表示される．

NAME
    main.py

SYNOPSIS
    main.py <flags>

FLAGS
    -p, --pretrained_model=PRETRAINED_MODEL
        Type: str
        Default: 'sociocom/TNM-Classifier'
    -i, --input_path=INPUT_PATH
        Type: str
        Default: 'data/tnm_report.csv'
    -o, --option_dic_path=OPTION_DIC_PATH
        Type: str
        Default: 'data/MANBYO_20210...
    -s, --seed=SEED
        Type: int
        Default: 2023
    -d, --device=DEVICE
        Type: str
        Default: device(type='cuda', ind...
    -b, --batch_size=BATCH_SIZE
        Type: int
        Default: 32
    -m, --max_length=MAX_LENGTH
        Type: int
        Default: 512