Buchumschlag

Prompting Medical Vision-Language Models to Mitigate Diagnosis Bias by Generating Realistic Dermoscopic Images

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Munia, Nusrat, Imran, Abdullah-Al-Zubaer
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DermDiff: Generative Diffusion Model for Mitigating Racial Biases in Dermatology Diagnosis
von: Munia, Nusrat, et al.
Veröffentlicht: (2025)

EarthScape: A Multimodal Dataset for Surficial Geologic Mapping and Earth Surface Analysis
von: Massey, Matthew, et al.
Veröffentlicht: (2025)

Class-N-Diff: Classification-Induced Diffusion Model Can Make Fair Skin Cancer Diagnosis
von: Munia, Nusrat, et al.
Veröffentlicht: (2025)

Differential Attention for Multimodal Crisis Event Analysis
von: Munia, Nusrat, et al.
Veröffentlicht: (2025)

Improving Brain Disorder Diagnosis with Advanced Brain Function Representation and Kolmogorov-Arnold Networks
von: Ward, Tyler, et al.
Veröffentlicht: (2025)

Annotation-Efficient Task Guidance for Medical Segment Anything
von: Ward, Tyler, et al.
Veröffentlicht: (2024)

Domain and Task-Focused Example Selection for Data-Efficient Contrastive Medical Image Segmentation
von: Ward, Tyler, et al.
Veröffentlicht: (2025)

Autoadaptive Medical Segment Anything Model
von: Ward, Tyler, et al.
Veröffentlicht: (2025)

A Probabilistic Segment Anything Model for Ambiguity-Aware Medical Image Segmentation
von: Ward, Tyler, et al.
Veröffentlicht: (2025)

Protecting and Preserving Protest Dynamics for Responsible Analysis
von: Archbold, Cohen, et al.
Veröffentlicht: (2026)

Fair Diagnosis: Leveraging Causal Modeling to Mitigate Medical Bias
von: Tian, Bowei, et al.
Veröffentlicht: (2024)

Bias Detection and Rotation-Robustness Mitigation in Vision-Language Models and Generative Image Models
von: Mithila, Tarannum
Veröffentlicht: (2026)

CAP-IQA: Context-Aware Prompt-Guided CT Image Quality Assessment
von: Rifa, Kazi Ramisa, et al.
Veröffentlicht: (2026)

Evaluating Deep Learning Models for Breast Cancer Classification: A Comparative Study
von: Eskandari, Sania, et al.
Veröffentlicht: (2024)

See-in-Pairs: Reference Image-Guided Comparative Vision-Language Models for Medical Diagnosis
von: Jin, Ruinan, et al.
Veröffentlicht: (2025)

Benchmarking and Mitigating MCQA Selection Bias of Large Vision-Language Models
von: Atabuzzaman, Md., et al.
Veröffentlicht: (2025)

Identifying and Mitigating Position Bias of Multi-image Vision-Language Models
von: Tian, Xinyu, et al.
Veröffentlicht: (2025)

Pseudo-Prompt Generating in Pre-trained Vision-Language Models for Multi-Label Medical Image Classification
von: Ye, Yaoqin, et al.
Veröffentlicht: (2024)

debiaSAE: Benchmarking and Mitigating Vision-Language Model Bias
von: Sasse, Kuleen, et al.
Veröffentlicht: (2024)

Photo-Realistic Image Restoration in the Wild with Controlled Vision-Language Models
von: Luo, Ziwei, et al.
Veröffentlicht: (2024)

PromptMRG: Diagnosis-Driven Prompts for Medical Report Generation
von: Jin, Haibo, et al.
Veröffentlicht: (2023)

Calibration-Aware Prompt Learning for Medical Vision-Language Models
von: Basu, Abhishek, et al.
Veröffentlicht: (2025)

Towards Mitigating Modality Bias in Vision-Language Models for Temporal Action Localization
von: Li, Jiaqi, et al.
Veröffentlicht: (2026)

Hybrid Vision Transformer_GAN Attribute Neutralizer for Mitigating Bias in Chest X_Ray Diagnosis
von: Solomon, Jobeal, et al.
Veröffentlicht: (2026)

Beyond the Vision Encoder: Identifying and Mitigating Spatial Bias in Large Vision-Language Models
von: Zhu, Yingjie, et al.
Veröffentlicht: (2025)

FRAP: Faithful and Realistic Text-to-Image Generation with Adaptive Prompt Weighting
von: Jiang, Liyao, et al.
Veröffentlicht: (2024)

DrVD-Bench: Do Vision-Language Models Reason Like Human Doctors in Medical Image Diagnosis?
von: Zhou, Tianhong, et al.
Veröffentlicht: (2025)

Benchmarking and Mitigating Sycophancy in Medical Vision Language Models
von: Xu, Juangui, et al.
Veröffentlicht: (2025)

AntifakePrompt: Prompt-Tuned Vision-Language Models are Fake Image Detectors
von: Chang, You-Ming, et al.
Veröffentlicht: (2023)

Realistic Test-Time Adaptation of Vision-Language Models
von: Zanella, Maxime, et al.
Veröffentlicht: (2025)

Self-Rewarding Large Vision-Language Models for Optimizing Prompts in Text-to-Image Generation
von: Yang, Hongji, et al.
Veröffentlicht: (2025)

Entropy Minimization without Model Collapse: Mitigating Prediction Bias in Medical Imaging
von: Nielen, Tim, et al.
Veröffentlicht: (2026)

Generalizing Vision-Language Models with Dedicated Prompt Guidance
von: Li, Xinyao, et al.
Veröffentlicht: (2025)

Quantized Prompt for Efficient Generalization of Vision-Language Models
von: Hao, Tianxiang, et al.
Veröffentlicht: (2024)

Multi-Modal Interpretability for Enhanced Localization in Vision-Language Models
von: Imran, Muhammad, et al.
Veröffentlicht: (2025)

Adapting Vision-Language Foundation Model for Next Generation Medical Ultrasound Image Analysis
von: Qu, Jingguo, et al.
Veröffentlicht: (2025)

Deep Generative Models Unveil Patterns in Medical Images Through Vision-Language Conditioning
von: Xing, Xiaodan, et al.
Veröffentlicht: (2024)

Gaze-directed Vision GNN for Mitigating Shortcut Learning in Medical Image
von: Wu, Shaoxuan, et al.
Veröffentlicht: (2024)

Mitigating Image Captioning Hallucinations in Vision-Language Models
von: Zhao, Fei, et al.
Veröffentlicht: (2025)

Prompt-Based Caption Generation for Single-Tooth Dental Images Using Vision-Language Models
von: Sukhanova, Anastasiia, et al.
Veröffentlicht: (2026)