跳到正文
arXiv · 机器人与计算机视觉· Niran Nataraj, Ankita Das, C. Krishna Mohan, Kenji Kawashima·· 8 天前AI 评分58

Vision-Language 医学图像分割中的标注衍生提示词范围泄露反事实分析

Counterfactual Analysis of Extent Leakage from Annotation-Derived Prompts in Vision-Language Medical Image Segmentation

AI 导读

针对文本引导的医学图像分割模型过度依赖提示词中病灶范围信息的现象,该研究通过反事实实验发现,仅保留大小或位置描述即可恢复大部分性能提升,且部分模型从训练数据习得了命名诊断的习惯。论文提出了一种无需训练新模型即可量化提示词泄露程度的评测协议,并报告了在不使用测试掩码的情况下,基于图像估计病灶范围的最佳方法在结肠镜任务上达到 74.59 Dice,略低于已发表的 77.23。

来源:arXiv · 机器人与计算机视觉 · arxiv.org