Buchumschlag

Diffusion-based Iterative Counterfactual Explanations for Fetal Ultrasound Image Quality Assessment

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pegios, Paraskevas, Lin, Manxi, Weng, Nina, Svendsen, Morten Bo Søndergaard, Bashir, Zahra, Bigdeli, Siavash, Christensen, Anders Nymark, Tolsgaard, Martin, Feragen, Aasa
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Image and Video Processing Computer Vision and Pattern Recognition Human-Computer Interaction Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Fast Diffusion-Based Counterfactuals for Shortcut Removal and Generation
von: Weng, Nina, et al.
Veröffentlicht: (2023)

Shortcut Learning in Medical Image Segmentation
von: Lin, Manxi, et al.
Veröffentlicht: (2024)

Unsupervised Detection of Fetal Brain Anomalies using Denoising Diffusion Models
von: Olsen, Markus Ditlev Sjøgren, et al.
Veröffentlicht: (2024)

Testing of Deep Learning Model in Real World Clinical Setting: A Case Study in Obstetric Ultrasound
von: Wong, Chun Kit, et al.
Veröffentlicht: (2024)

Explainable fetal ultrasound quality assessment with progressive concept bottleneck models
von: Lin, Manxi, et al.
Veröffentlicht: (2022)

Learning semantic image quality for fetal ultrasound from noisy ranking annotation
von: Lin, Manxi, et al.
Veröffentlicht: (2024)

Patronus: Interpretable Diffusion Models with Prototypes
von: Weng, Nina, et al.
Veröffentlicht: (2025)

Weight Space Correlation Analysis: Quantifying Feature Utilization in Deep Learning Models
von: Wong, Chun Kit, et al.
Veröffentlicht: (2025)

Counterfactual Explanations via Riemannian Latent Space Traversal
von: Pegios, Paraskevas, et al.
Veröffentlicht: (2024)

General Methods Make Great Domain-specific Foundation Models: A Case-study on Fetal Ultrasound
von: Ambsdorf, Jakob, et al.
Veröffentlicht: (2025)

Influence of Classification Task and Distribution Shift Type on OOD Detection in Fetal Ultrasound
von: Wong, Chun Kit, et al.
Veröffentlicht: (2025)

Graph Counterfactual Explainable AI via Latent Space Traversal
von: Hansen, Andreas Abildtrup, et al.
Veröffentlicht: (2025)

A Framework for Exploring and Disentangling Intersectional Bias: A Case Study in Fetal Ultrasound
von: Elgebaly, Aya, et al.
Veröffentlicht: (2026)

Determining Fetal Orientations From Blind Sweep Ultrasound Video
von: Wiśniewski, Jakub Maciej, et al.
Veröffentlicht: (2025)

MaskDiME: Adaptive Masked Diffusion for Precise and Efficient Visual Counterfactual Explanations
von: Guo, Changlu, et al.
Veröffentlicht: (2026)

Generalizing Fairness to Generative Language Models via Reformulation of Non-discrimination Criteria
von: Sterlie, Sara, et al.
Veröffentlicht: (2024)

Onto-Epistemological Analysis of AI Explanations
von: Mattioli, Martina, et al.
Veröffentlicht: (2025)

Slicing Through Bias: Explaining Performance Gaps in Medical Image Analysis using Slice Discovery Methods
von: Olesen, Vincent, et al.
Veröffentlicht: (2024)

Feature-Centered First Order Structure Tensor Scale-Space in 2D and 3D
von: Pieta, Pawel Tomasz, et al.
Veröffentlicht: (2024)

Fair Lung Disease Diagnosis from Chest CT via Gender-Adversarial Attention Multiple Instance Learning
von: Parikh, Aditya, et al.
Veröffentlicht: (2026)

Med-Art: Diffusion Transformer for 2D Medical Text-to-Image Generation
von: Guo, Changlu, et al.
Veröffentlicht: (2025)

MozzaVID: Mozzarella Volumetric Image Dataset
von: Pieta, Pawel Tomasz, et al.
Veröffentlicht: (2024)

Who Does Your Algorithm Fail? Investigating Age and Ethnic Bias in the MAMA-MIA Dataset
von: Parikh, Aditya, et al.
Veröffentlicht: (2025)

Navigating Uncertainty in Medical Image Segmentation
von: Zepf, Kilian, et al.
Veröffentlicht: (2024)

Are generative models fair? A study of racial bias in dermatological image generation
von: López-Pérez, Miguel, et al.
Veröffentlicht: (2025)

Investigating Label Bias and Representational Sources of Age-Related Disparities in Medical Segmentation
von: Parikh, Aditya, et al.
Veröffentlicht: (2025)

SA-UNetv2: Rethinking Spatial Attention U-Net for Retinal Vessel Segmentation
von: Guo, Changlu, et al.
Veröffentlicht: (2025)

Incorporating Clinical Guidelines through Adapting Multi-modal Large Language Model for Prostate Cancer PI-RADS Scoring
von: Zhang, Tiantian, et al.
Veröffentlicht: (2024)

Measuring What VLMs Don't Say: Validation Metrics Hide Clinical Terminology Erasure in Radiology Report Generation
von: Parikh, Aditya, et al.
Veröffentlicht: (2026)

Towards Fairness under Label Bias in Image Segmentation: Impact, Measurement and Mitigation
von: Parikh, Aditya, et al.
Veröffentlicht: (2026)

Causally Steered Diffusion for Automated Video Counterfactual Generation
von: Spyrou, Nikos, et al.
Veröffentlicht: (2025)

Detecting labeling bias using influence functions
von: Jørgensen, Frida, et al.
Veröffentlicht: (2026)

Are demographically invariant models and representations in medical imaging fair?
von: Petersen, Eike, et al.
Veröffentlicht: (2023)

Fast Sphericity and Roundness approximation in 2D and 3D using Local Thickness
von: Pieta, Pawel Tomasz, et al.
Veröffentlicht: (2025)

Bayesian generative models can flag performance loss, bias, and out-of-distribution image content
von: López-Pérez, Miguel, et al.
Veröffentlicht: (2025)

Need for Speed: Zero-Shot Depth Completion with Single-Step Diffusion
von: Gregorek, Jakub, et al.
Veröffentlicht: (2026)

Membership Inference Attacks for Face Images Against Fine-Tuned Latent Diffusion Models
von: Holme, Lauritz Christian, et al.
Veröffentlicht: (2025)

ReLumix: Extending Image Relighting to Video via Video Diffusion Models
von: Wang, Lezhong, et al.
Veröffentlicht: (2025)

WildRelight: A Real-World Benchmark and Physics-Guided Adaptation for Single-Image Relighting
von: Wang, Lezhong, et al.
Veröffentlicht: (2026)

Counterfactual Explanations as Plans
von: Belle, Vaishak
Veröffentlicht: (2025)