論文の概要: Mined Prompting and Metadata-Guided Generation for Wound Care Visual Question Answering

• arxiv url: http://arxiv.org/abs/2511.10591v1
• Date: Fri, 14 Nov 2025 01:59:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.946953
• Title: Mined Prompting and Metadata-Guided Generation for Wound Care Visual Question Answering
• Title（参考訳）: ワーンドケア視覚質問応答のためのマイニングプロンプトとメタデータガイド生成
• Authors: Bavana Durgapraveen, Sornaraj Sivasankaran, Abhinand Balachandran, Sriram Rajkumar,
• Abstract要約: 英語トラック向けに開発した2つの補完的アプローチを提案する。 1つ目は、トレーニングデータを埋め込んだマイニングプロンプト戦略を利用し、トップkの最も似た例を検索する。 第2のアプローチは、応答品質を継続的に向上する4つのメタデータ属性を識別するメタデータアブレーション調査に基づいている。
• 参考スコア（独自算出の注目度）: 6.629391779949718
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid expansion of asynchronous remote care has intensified provider workload, creating demand for AI systems that can assist clinicians in managing patient queries more efficiently. The MEDIQA-WV 2025 shared task addresses this challenge by focusing on generating free-text responses to wound care queries paired with images. In this work, we present two complementary approaches developed for the English track. The first leverages a mined prompting strategy, where training data is embedded and the top-k most similar examples are retrieved to serve as few-shot demonstrations during generation. The second approach builds on a metadata ablation study, which identified four metadata attributes that consistently enhance response quality. We train classifiers to predict these attributes for test cases and incorporate them into the generation pipeline, dynamically adjusting outputs based on prediction confidence. Experimental results demonstrate that mined prompting improves response relevance, while metadata-guided generation further refines clinical precision. Together, these methods highlight promising directions for developing AI-driven tools that can provide reliable and efficient wound care support.
• Abstract（参考訳）: 非同期リモートケアの急速な拡張は、提供者の作業負荷を増大させ、患者クエリの管理をより効率的に行うために、臨床医を支援するAIシステムへの需要を生み出している。 MEDIQA-WV 2025は、画像と組み合わせた創傷ケアクエリに対する自由テキスト応答の生成に集中することで、この問題に対処した。 そこで本研究では,英語トラック向けに開発した2つの補完的アプローチを提案する。 1つ目は、トレーニングデータを埋め込んだマイニングプロンプト戦略を利用し、トップkの最も似た例を検索して、生成時に数ショットのデモを行う。 第2のアプローチは、応答品質を継続的に向上する4つのメタデータ属性を識別するメタデータアブレーション調査に基づいている。 テストケースの属性を予測して生成パイプラインに組み込むように分類器を訓練し、予測信頼度に基づいて出力を動的に調整する。 実験結果から, マイニングプロンプトは応答関連性を向上し, メタデータ誘導生成は臨床精度をさらに向上することが示された。 これらの手法は、信頼性と効率的な創傷治療支援を提供するAI駆動のツールを開発するための有望な方向性を強調している。

関連論文リスト

• Few-Shot, No Problem: Descriptive Continual Relation Extraction [27.296604792388646]
  AIシステムが現実世界のドメインにおける進化する関係を識別し、適応できるようにする上で、わずかなショットの連続関係抽出は重要な課題である。 従来のメモリベースのアプローチは、しばしば限られたサンプルに過度に適合し、古い知識の強化に失敗する。 本稿では,関係関係記述を生成するために,大規模言語モデルから始まる新しい検索ベースソリューションを提案する。
  論文  参考訳（メタデータ） (2025-02-27T23:44:30Z)
• Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
  時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである* Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。 Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
  論文  参考訳（メタデータ） (2023-10-28T12:08:03Z)
• Implicit Counterfactual Data Augmentation for Robust Learning [24.795542869249154]
  本研究では, 突発的相関を除去し, 安定した予測を行うために, インプリシト・カウンセショナル・データ拡張法を提案する。 画像とテキストのデータセットをカバーする様々なバイアス付き学習シナリオで実験が行われてきた。
  論文  参考訳（メタデータ） (2023-04-26T10:36:40Z)
• Does Synthetic Data Generation of LLMs Help Clinical Text Mining? [51.205078179427645]
  臨床テキストマイニングにおけるOpenAIのChatGPTの可能性を検討する。 本稿では,高品質な合成データを大量に生成する新たな学習パラダイムを提案する。 提案手法により,下流タスクの性能が大幅に向上した。
  論文  参考訳（メタデータ） (2023-03-08T03:56:31Z)
• Evidentiality-guided Generation for Knowledge-Intensive NLP Tasks [59.761411682238645]
  Retrieval-augmented Generation Modelは、多くの知識集約型NLPタスクにまたがって最先端のパフォーマンスを示している。 生成器の訓練に、パスが出力をサポートするための正しい証拠を含むか否かに関わらず、パスの明快さを組み込む方法を導入する。
  論文  参考訳（メタデータ） (2021-12-16T08:18:47Z)
• Deep EHR Spotlight: a Framework and Mechanism to Highlight Events in Electronic Health Records for Explainable Predictions [0.9176056742068812]
  ディープラーニング技術は、EHRを用いた予測分析タスクのパフォーマンスを実証している。 EHRは非均質でマルチモーダルなデータポイントを含み、可視化と解釈性を妨げる。 本稿では,1) EHR から画像への患者経路のエンコード,2) 経路画像内の重要な事象の強調,3) より複雑な予測を可能にするためのディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-25T22:30:14Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)
• Improving Multi-Turn Response Selection Models with Complementary Last-Utterance Selection by Instance Weighting [84.9716460244444]
  我々は、データリソース自体の根底にある相関を利用して、異なる種類の監視信号を導出することを検討する。 2つの公開データセットで広範な実験を行い、両方のデータセットで大幅に改善した。
  論文  参考訳（メタデータ） (2020-02-18T06:29:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。