矿掘式提示与元数据引导的伤口护理视觉问答生成
计算与语言
2025-11-14 v1 人工智能
摘要
异步远程护理的快速扩张加剧了医护人员的工作负担，催生了能够更高效帮助医护人员管理患者查询的AI系统需求。MEDIQA-WV 2025共享任务聚焦于生成伴随图像的伤口护理查询的自由文本响应。本文介绍了为英语轨道开发的两种互补方法。第一种方法利用矿掘式提示策略，将训练数据嵌入后检索最相似的前k个示例，作为生成期间的零样本演示。第二种方法基于元数据消除实验，识别出四个元数据属性能够持续提高响应质量。我们训练分类器为测试案例预测这些属性，并将其纳入生成管道中，根据预测置信度动态调整输出。实验结果表明，矿掘式提示可提高响应相关性，而元数据引导的生成进一步提升临床精确度。这些方法共同凸显了为开发能够提供可靠且高效伤口护理支持的AI工具的前景方向。
引用
@article{arxiv.2511.10591,
title = {Mined Prompting and Metadata-Guided Generation for Wound Care Visual Question Answering},
author = {Bavana Durgapraveen and Sornaraj Sivasankaran and Abhinand Balachandran and Sriram Rajkumar},
journal= {arXiv preprint arXiv:2511.10591},
year = {2025}
}
备注
2 figures, 11 pages