論文の概要: PromptRad: Knowledge-Enhanced Multi-Label Prompt-Tuning for Low-Resource Radiology Report Labeling

• arxiv url: http://arxiv.org/abs/2605.20052v1
• Date: Tue, 19 May 2026 16:07:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.513461
• Title: PromptRad: Knowledge-Enhanced Multi-Label Prompt-Tuning for Low-Resource Radiology Report Labeling
• Title（参考訳）: PromptRad:低リソース放射線学レポートラベリングのための知識強化マルチラベルプロンプトチューニング
• Authors: Ying-Jia Lin, Tzu-Chin Lo, Ping-Chien Li, Chi-Tung Cheng, Chien-Hung Liao, Hung-Yu Kao,
• Abstract要約: PromptRadは知識に富んだマルチラベルのtextbfprompt-tuning アプローチである。 PromptRadは、マスク付き言語モデリングとしてマルチラベル分類を再構築し、UMLSメタテーサウルスの同義語をマルチワードの動詞化子に組み込む。 肝臓CTでの実験では、PromptRadは32のラベル付きトレーニング例で辞書ベースおよび微調整ベースラインを上回っている。
• 参考スコア（独自算出の注目度）: 6.878325274722193
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automatic report labeling facilitates the identification of clinical findings from unstructured text and enables large-scale annotation for medical imaging research. Existing rule-based labelers struggle with the diverse descriptions in clinical reports, while fine-tuning pre-trained language models (PLMs) requires large amounts of labeled data that are often unavailable in clinical settings. In this paper, we propose PromptRad, a knowledge-enhanced multi-label \textbf{prompt}-tuning approach for \textbf{rad}iology report labeling under low-resource settings. PromptRad reformulates multi-label classification as masked language modeling and incorporates synonyms from the UMLS Metathesaurus into a multi-word verbalizer to enrich category representations. By fine-tuning the PLM without additional classification layers, PromptRad requires substantially less labeled data than conventional fine-tuning. Experiments on liver CT reports show that PromptRad outperforms dictionary-based and fine-tuning baselines with only 32 labeled training examples, and achieves competitive performance with GPT-4 despite using a much smaller model. Further analysis demonstrates that PromptRad captures complex negation patterns more effectively than existing methods, making it a promising solution for report labeling in data-scarce clinical scenarios. Our code is available at https://github.com/ila-lab/PromptRad.
• Abstract（参考訳）: 自動レポートラベリングは、構造化されていないテキストから臨床所見を識別し、医用画像研究のための大規模なアノテーションを可能にする。 既存のルールベースのラベル作成者は、臨床報告における多様な記述に苦労する一方、微調整された事前学習言語モデル(PLM)は、しばしば臨床環境で利用できない大量のラベル付きデータを必要とする。 本稿では,低リソース環境下でラベル付けを行うための知識強化型マルチラベルであるPromptRadを提案する。 PromptRadは、マスク付き言語モデリングとしてマルチラベル分類を再構築し、UMLSメタテーサウルスの同義語を多語動詞化してカテゴリ表現を豊かにする。 追加の分類層を使わずにPLMを微調整することで、PromptRadは従来の微調整よりもかなり少ないラベル付きデータを必要とする。 肝臓CTでの実験では、PromptRadは32のラベル付きトレーニング例で辞書ベースおよび微調整ベースラインを上回り、はるかに小さなモデルを使用してもGPT-4と競合する性能を示した。 さらなる分析により、PromptRadは既存の方法よりも複雑な否定パターンを効果的に捉え、データ共有臨床シナリオにおけるレポートラベリングのための有望な解決策であることが示された。 私たちのコードはhttps://github.com/ila-lab/PromptRad.comで公開されています。

関連論文リスト

• Pseudo-Prompt Generating in Pre-trained Vision-Language Models for Multi-Label Medical Image Classification [3.1029532920699934]
  自然言語処理(NLP)におけるテキスト生成による新しいプロンプト生成手法を提案する。 提案手法はPsPG (Pseudo-Prompt Generating) と呼ばれ,マルチモーダル特徴の事前知識を活かした手法である。 RNNベースのデコーダを特徴とするPSPGは、クラス調整された埋め込みベクター、すなわち擬似プロンプトを自動生成する。
  論文  参考訳（メタデータ） (2024-05-10T13:27:32Z)
• Exploring Structured Semantic Prior for Multi Label Recognition with Incomplete Labels [60.675714333081466]
  不完全なラベルを持つマルチラベル認識(MLR)は非常に難しい。 最近の研究は、視覚言語モデルであるCLIPにおける画像とラベルの対応を探り、不十分なアノテーションを補うことを目指している。 我々は,MLRにおけるラベル管理の欠如を,構造化されたセマンティクスを導出することにより,不完全なラベルで修復することを提唱する。
  論文  参考訳（メタデータ） (2023-03-23T12:39:20Z)
• M-Tuning: Prompt Tuning with Mitigated Label Bias in Open-Set Scenarios [58.617025733655005]
  緩和ラベルバイアス(M-Tuning)を用いた視覚言語プロンプトチューニング手法を提案する。 これはWordNetからのオープンワードを導入し、クローズドセットラベルワードのみからもっと多くのプロンプトテキストを形成する単語の範囲を広げ、シミュレートされたオープンセットシナリオでプロンプトをチューニングする。 提案手法は,様々なスケールのデータセット上で最高の性能を達成し,広範囲にわたるアブレーション研究もその有効性を検証した。
  論文  参考訳（メタデータ） (2023-03-09T09:05:47Z)
• PromptDA: Label-guided Data Augmentation for Prompt-based Few-shot Learners [15.130992223266734]
  本稿では,データ拡張のためのラベルの豊富なセマンティック情報を利用する新しいラベル誘導型データ拡張フレームワークであるPromptDAを提案する。 本研究は, 提案フレームワークの優れた性能を示すために, テキスト分類タスクを数ショットで行う実験である。
  論文  参考訳（メタデータ） (2022-05-18T22:15:20Z)
• KnowPrompt: Knowledge-aware Prompt-tuning with Synergistic Optimization for Relation Extraction [111.74812895391672]
  シナジスティック最適化(KnowPrompt)を用いた知識認識型Promptチューニング手法を提案する。 関係ラベルに含まれる潜在知識をインジェクトして,学習可能な仮想型語と解答語で構築する。
  論文  参考訳（メタデータ） (2021-04-15T17:57:43Z)
• Learning Image Labels On-the-fly for Training Robust Classification Models [13.669654965671604]
  ノイズの多いアノテーション(例えば、異なるアルゴリズムベースのラベル付け子から)を一緒に利用し、相互に分類タスクの学習に役立てることができるかを示す。 メタトレーニングベースのラベルサンプリングモジュールは、追加のバックプロパゲーションプロセスを通じてモデル学習の恩恵を受けるラベルに出席するように設計されている。
  論文  参考訳（メタデータ） (2020-09-22T05:38:44Z)

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。