Buchumschlag

Benchmarking Dependence Measures to Prevent Shortcut Learning in Medical Imaging

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Müller, Sarah, Fay, Louisa, Koch, Lisa M., Gatidis, Sergios, Küstner, Thomas, Berens, Philipp
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Mitigating Shortcut Learning via Feature Disentanglement in Medical Imaging: A Benchmark Study
von: Müller, Sarah, et al.
Veröffentlicht: (2026)

MIMM-X: Disentangling Spurious Correlations for Medical Image Analysis
von: Fay, Louisa, et al.
Veröffentlicht: (2025)

Sparse Autoencoders for Interpretable Medical Image Representation Learning
von: Wesp, Philipp, et al.
Veröffentlicht: (2026)

Highly efficient non-rigid registration in k-space with application to cardiac Magnetic Resonance Imaging
von: Ghoul, Aya, et al.
Veröffentlicht: (2024)

Disentangling representations of retinal images with generative models
von: Müller, Sarah, et al.
Veröffentlicht: (2024)

Retrospective motion correction in MRI using disentangled embeddings
von: Wang, Qi, et al.
Veröffentlicht: (2025)

Learning Disease State from Noisy Ordinal Disease Progression Labels
von: Schmidt, Gustav, et al.
Veröffentlicht: (2025)

Attention-aware non-rigid image registration for accelerated MR imaging
von: Ghoul, Aya, et al.
Veröffentlicht: (2024)

Soft-CAM: Making black box models self-explainable for medical image analysis
von: Djoumessi, Kerol, et al.
Veröffentlicht: (2025)

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

On the Foundations of Shortcut Learning
von: Hermann, Katherine L., et al.
Veröffentlicht: (2023)

Ordinal Diffusion Models for Color Fundus Images
von: Schmidt, Gustav, et al.
Veröffentlicht: (2026)

Be Persistent: Towards a Unified Solution for Mitigating Shortcuts in Deep Learning
von: Dolatabadi, Hadi M., et al.
Veröffentlicht: (2024)

Shortcut Learning Susceptibility in Vision Classifiers
von: Suhail, Pirzada, et al.
Veröffentlicht: (2025)

Disentanglement and Assessment of Shortcuts in Ophthalmological Retinal Imaging Exams
von: Fernandes, Leonor, et al.
Veröffentlicht: (2025)

Towards Interpretable Foundation Models for Retinal Fundus Images
von: Mensah, Samuel Ofosu, et al.
Veröffentlicht: (2026)

Efficient Unsupervised Shortcut Learning Detection and Mitigation in Transformers
von: Kuhn, Lukas, et al.
Veröffentlicht: (2025)

An XAI-based Analysis of Shortcut Learning in Neural Networks
von: Le, Phuong Quynh, et al.
Veröffentlicht: (2025)

Unsupervised visualization of image datasets using contrastive learning
von: Böhm, Jan Niklas, et al.
Veröffentlicht: (2022)

A Shortcut-aware Video-QA Benchmark for Physical Understanding via Minimal Video Pairs
von: Krojer, Benno, et al.
Veröffentlicht: (2025)

Training with Explanations Alone: A New Paradigm to Prevent Shortcut Learning
von: Bassi, Pedro R. A. S., et al.
Veröffentlicht: (2024)

Benchmarking Retinal Blood Vessel Segmentation Models for Cross-Dataset and Cross-Disease Generalization
von: Fadugba, Jeremiah, et al.
Veröffentlicht: (2024)

ClearGCD: Mitigating Shortcut Learning For Robust Generalized Category Discovery
von: Lyu, Kailin, et al.
Veröffentlicht: (2025)

Navigate Beyond Shortcuts: Debiased Learning through the Lens of Neural Collapse
von: Wang, Yining, et al.
Veröffentlicht: (2024)

Learning to Think in Physics: Breaking Shortcut Learning in Scientific Diffusion via Representation Alignment
von: Jia, Haozhe, et al.
Veröffentlicht: (2026)

Diagnosing Shortcut-Induced Rigidity in Continual Learning: The Einstellung Rigidity Index (ERI)
von: Gu, Kai, et al.
Veröffentlicht: (2025)

OpenMIBOOD: Open Medical Imaging Benchmarks for Out-Of-Distribution Detection
von: Gutbrod, Max, et al.
Veröffentlicht: (2025)

One Step Diffusion via Shortcut Models
von: Frans, Kevin, et al.
Veröffentlicht: (2024)

Disentangling Content from Style to Overcome Shortcut Learning: A Hybrid Generative-Discriminative Learning Framework
von: Fu, Siming, et al.
Veröffentlicht: (2025)

Benchmarking Vision-Language Contrastive Methods for Medical Representation Learning
von: Roy, Shuvendu, et al.
Veröffentlicht: (2024)

EvalBlocks: A Modular Pipeline for Rapidly Evaluating Foundation Models in Medical Imaging
von: Tagscherer, Jan, et al.
Veröffentlicht: (2026)

Measuring Feature Dependency of Neural Networks by Collapsing Feature Dimensions in the Data Manifold
von: Jin, Yinzhu, et al.
Veröffentlicht: (2024)

Mitigating Shortcut Learning with Diffusion Counterfactuals and Diverse Ensembles
von: Scimeca, Luca, et al.
Veröffentlicht: (2023)

On the Design of One-step Diffusion via Shortcutting Flow Paths
von: Lin, Haitao, et al.
Veröffentlicht: (2025)

Shortcut Invariance: Targeted Jacobian Regularization in Disentangled Latent Space
von: Pal, Shivam, et al.
Veröffentlicht: (2025)

Self-supervised Visualisation of Medical Image Datasets
von: Nwabufo, Ifeoma Veronica, et al.
Veröffentlicht: (2024)

Benchmarking Counterfactual Image Generation
von: Melistas, Thomas, et al.
Veröffentlicht: (2024)

Motion-compensated MR CINE reconstruction with reconstruction-driven motion estimation
von: Pan, Jiazhen, et al.
Veröffentlicht: (2023)

FairQuant: Fairness-Aware Mixed-Precision Quantization for Medical Image Classification
von: Woergaard, Thomas, et al.
Veröffentlicht: (2026)

Pixel-level Counterfactual Contrastive Learning for Medical Image Segmentation
von: Lafargue-Hauret, Marceau, et al.
Veröffentlicht: (2026)