Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Schritt 4: Erste Schritte mit der Verwendung der Amazon Comprehend Medical APIs
Die folgenden Beispiele zeigen, wie Sie Amazon Comprehend Medical Medical-Operationen mit Java und Python verwenden. AWS CLI Verwenden Sie sie, um mehr über die Abläufe von Amazon Comprehend Medical zu erfahren, und als Bausteine für Ihre eigenen Anwendungen.
Um die AWS CLI und Python-Beispiele auszuführen, installieren Sie den AWS CLI. Weitere Informationen finden Sie unter Schritt 2: Richten Sie das AWS Command Line Interface ()AWS CLI ein.
Um die Java-Beispiele auszuführen, installieren Sie den AWS SDK for Java. Eine Anleitung zum Installieren von AWS SDK for Java finden Sie unter Einrichten des AWS SDK for Java.
Themen
Erkennung von medizinischen Entitäten mit dem AWS Command Line Interface
Das folgende Beispiel zeigt, wie die DetectEntitiesV2
Operation verwendet wird AWS CLI , um die im Text erkannten medizinischen Entitäten zurückzugeben. Um das Beispiel auszuführen, müssen Sie den installieren AWS CLI. Weitere Informationen finden Sie unter Schritt 2: Richten Sie das AWS Command Line Interface ()AWS CLI ein.
Das Beispiel ist für Unix, Linux und macOS formatiert. Ersetzen Sie unter Windows den umgekehrten Schrägstrich (\), das Unix-Fortsetzungszeichen, am Ende jeder Zeile durch ein Caret-Zeichen oder Zirkumflex (^).
aws comprehendmedical detect-entities-v2 \ --endpoint
endpoint
\ --regionregion
\ --text "aspirin is required 20 mg po daily for 2 times as tab"
Die Antwort lautet wie folgt:
{
"Entities": [
{
"Category": "MEDICATION",
"BeginOffset": 0,
"EndOffset": 7,
"Text": "aspirin",
"Traits": [],
"Score": 0.9988090991973877,
"Attributes": [
{
"BeginOffset": 20,
"EndOffset": 25,
"Text": "20 mg",
"Traits": [],
"Score": 0.9559056162834167,
"Type": "DOSAGE",
"Id": 1,
"RelationshipScore": 0.9981593489646912
},
{
"BeginOffset": 26,
"EndOffset": 28,
"Text": "po",
"Traits": [],
"Score": 0.9995359182357788,
"Type": "ROUTE_OR_MODE",
"Id": 2,
"RelationshipScore": 0.9969323873519897
},
{
"BeginOffset": 29,
"EndOffset": 34,
"Text": "daily",
"Traits": [],
"Score": 0.9803128838539124,
"Type": "FREQUENCY",
"Id": 3,
"RelationshipScore": 0.9990783929824829
},
{
"BeginOffset": 39,
"EndOffset": 46,
"Text": "2 times",
"Traits": [],
"Score": 0.8623972535133362,
"Type": "DURATION",
"Id": 4,
"RelationshipScore": 0.9996501207351685
},
{
"BeginOffset": 50,
"EndOffset": 53,
"Text": "tab",
"Traits": [],
"Score": 0.784785270690918,
"Type": "FORM",
"Id": 5,
"RelationshipScore": 0.9986748695373535
}
],
"Type": "GENERIC_NAME",
"Id": 0
}
],
"UnmappedAttributes": []
}
Erkennung von medizinischen Entitäten mit dem AWS SDK for Java
Das folgende Beispiel verwendet die DetectEntitiesV2
Operation mit Java. Um das Beispiel auszuführen, installieren Sie den AWS SDK for Java. Anweisungen zur Installation von finden Sie unter Das AWS SDK for Java einrichten. AWS SDK for Java
import com.amazonaws.auth.AWSCredentials; import com.amazonaws.auth.AWSCredentialsProvider; import com.amazonaws.auth.AWSStaticCredentialsProvider; import com.amazonaws.auth.BasicAWSCredentials; import com.amazonaws.client.builder.AwsClientBuilder; import com.amazonaws.services.comprehendmedical.AWSComprehendMedical; import com.amazonaws.services.comprehendmedical.AWSComprehendMedicalClient; import com.amazonaws.services.comprehendmedical.model.DetectEntitiesRequest; import com.amazonaws.services.comprehendmedical.model.DetectEntitiesResult; public class SampleAPICall { public static void main() { AWSCredentialsProvider credentials = new AWSStaticCredentialsProvider(new BasicAWSCredentials("YOUR AWS ACCESS KEY", "YOUR AWS SECRET")); AWSComprehendMedical client = AWSComprehendMedicalClient.builder() .withCredentials(credentials) .withRegion("YOUR REGION") .build(); DetectEntitiesV2Request request = new DetectEntitiesV2Request(); request.setText("cerealx 84 mg daily"); DetectEntitiesV2Result result = client.detectEntitiesV2(request); result.getEntities().forEach(System.out::println); } }
Die Ausgabe enthält die drei Entitäten, die im Eingabetext gefunden wurden, und ihre Position im Eingabetext. Außerdem wird für jede Entität ein Konfidenzniveau angegeben, dass die Entität korrekt identifiziert wurde. Die folgende Ausgabe zeigt die Frequency
Entitäten Generic_Name
Dosage
, und aus dem vorherigen Beispiel.
{Id: 0,BeginOffset: 0,EndOffset: 3,Score: 0.9940211,Text: Bob,Category:
PROTECTED_HEALTH_INFORMATION,Type: NAME,Traits: [],}
{Id: 2,BeginOffset: 23,EndOffset: 30,Score: 0.99914634,Text: aspirin,Category: MEDICATION,Type: GENERIC_NAME,Traits: [],Attributes:
[{Type: DOSAGE,Score: 0.9630807,RelationshipScore: 0.99969745,Id: 1,BeginOffset: 14,EndOffset: 19,Text: 50 mg,Traits: []}]}
Erkennung von medizinischen Entitäten mit dem AWS SDK for Python (Boto)
Das folgende Beispiel verwendet die DetectEntitiesV2
Operation mit Python. Um das Beispiel auszuführen, installieren Sie den AWS CLI. Weitere Informationen finden Sie unter Schritt 2: Richten Sie das AWS Command Line Interface ()AWS CLI ein.
import boto3 client = boto3.client(service_name='comprehendmedical', region_name='YOUR REGION') result = client.detect_entities(Text= 'cerealx 84 mg daily') entities = result['Entities'] for entity in entities: print('Entity', entity)
Die Ausgabe enthält die drei Entitäten, die im Eingabetext gefunden wurden, und ihre Position im Eingabetext. Außerdem wird für jede Entität ein Konfidenzniveau angegeben, dass die Entität korrekt identifiziert wurde. Die folgende Ausgabe zeigt die Frequency
Entitäten Generic_Name
Dosage
, und aus dem vorherigen Beispiel.
('Entity', {u'Category': u'MEDICATION', u'BeginOffset': 0, u'EndOffset': 7,
u'Text': u'cerealx', u'Traits': [], u'Score': 0.8877691626548767, u'Attributes': [{u'BeginOffset': 8, u'EndOffset': 13,
u'Text': u'84 mg', u'Traits': [], u'Score': 0.9337134957313538, u'Type': u'DOSAGE', u'Id': 1, u'RelationshipScore': 0.9995118379592896},
{u'BeginOffset': 14, u'EndOffset': 19, u'Text': u'daily', u'Traits': [], u'Score': 0.990627646446228, u'Type': u'FREQUENCY',
u'Id': 2, u'RelationshipScore': 0.9987651109695435}], u'Type': u'BRAND_NAME', u'Id': 0})