返回
Optimizing Medical Image Captioning with Conditional Prompt Encoding
DOI:10.1007/978-3-031-99568-2_16.png)
摘要
En 中文
医学图像字幕生成是产生医学图像描述性文本报告的重要工具。医学图像字幕生成的核心问题之一是其领域描述生成能力较差,因为大型预训练语言模型主要在非医学文本领域进行训练,而医学文本的语义不同。为克服这一局限,我们探索了针对X射线图像的对比学习改进,并结合软提示工程(soft prompt engineering)用于医学图像字幕生成和条件文本解码。主要目标是开发一个软提示模型,以提高自动生成字幕的准确性和临床相关性,同时保证其完整的语言准确性而不损害模型性能。在MIMIC-CXR和ROCO数据集上的实验表明,引入定制的软提示提高了准确性和效率,同时确保了字幕更具连贯的医学背景,有助于医学诊断并鼓励更准确的报告。
Keyword:
Transformers
Contrastive Learning
Soft Prompts
Image Caption
期刊
P
IF:
0
论文数:
26
被引数:
0
机构
引用论文
Multimodal Large Language Models in Health Care:Applications,Challenges, and Future Outlook医疗保健中的多模态大语言模型: 应用,挑战和未来展望

