[Submitted on 30 Jul 2026]

View PDF HTML (experimental)

Abstract:我們描述 DS@GT 提交至 ImageCLEFmedical Caption 2026 挑戰的作品，該挑戰延續 ROCOv2 資料集的長期基準測試，包含兩項任務：概念偵測（任務 1），為放射影像指定 UMLS 概念唯一識別碼（CUI），以及標題預測（任務 2），生成自然語言標題。對於任務 1，我們的主要提交是 ConvNeXt-V2、BiomedCLIP ViT-B/16 與 DenseNet-169 的三向晚期融合集成，搭配正則化的「誠實閾值調校」程序，旨在避免罕見概念的驗證過擬合；此提交在官方提交中排名第一，主要 $F_1$ 為 $0.5790$，次要 $F_1$ 為 $0.9657$。同時，我們提交了一個在凍結 BiomedCLIP 嵌入上運行的無訓練 KNN 檢索流程，其主要 $F_1$ 達到 $0.5780$，次要 $F_1$ 為 $0.9599$——在主要軌道上基本上與微調集成相當，但成本僅為其一小部分。對於任務 2，我們的提交包含微調的 Gemma-3 27B 模型（整體 $0.3571$，在官方提交中排名第三）、使用自訂 Vizwins 合併的完整微調 BLIP 流程（$0.3564$），以及使用 PubMed 風格提示的零-shot MedGemma-4B 運行（$0.3186$），涵蓋廣泛的模型規模與訓練成本。程式碼：this https URL。

Submission history

From: Bowen Wang [view email]
[v1] Thu, 30 Jul 2026 07:01:49 UTC (4,151 KB)