Pixel-level Counterfactual Contrastive Learning for Medical Image Segmentation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lafargue-Hauret, Marceau, Mehta, Raghav, Ribeiro, Fabio De Sousa, Roschewitz, Mélanie, Glocker, Ben
Format:	Preprint
Veröffentlicht:	2026
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

Counterfactual Stress Testing for Image Classification Models
von: Stammel, Moritz, et al.
Veröffentlicht: (2026)

Where are we with calibration under dataset shift in image classification?
von: Roschewitz, Mélanie, et al.
Veröffentlicht: (2025)

CF-Seg: Counterfactuals meet Segmentation
von: Mehta, Raghav, et al.
Veröffentlicht: (2025)

Distance Matters For Improving Performance Estimation Under Covariate Shift
von: Roschewitz, Mélanie, et al.
Veröffentlicht: (2023)

Automatic dataset shift identification to support safe deployment of medical imaging AI
von: Roschewitz, Mélanie, et al.
Veröffentlicht: (2024)

Counterfactual contrastive learning: robust representations via causal image synthesis
von: Roschewitz, Melanie, et al.
Veröffentlicht: (2024)

Flow Stochastic Segmentation Networks
von: Ribeiro, Fabio De Sousa, et al.
Veröffentlicht: (2025)

Exploring the interplay of label bias with subgroup size and separability: A case study in mammographic density classification
von: Stanley, Emma A. M., et al.
Veröffentlicht: (2025)

Robust image representations with counterfactual contrastive learning
von: Roschewitz, Mélanie, et al.
Veröffentlicht: (2024)

Mitigating attribute amplification in counterfactual image generation
von: Xia, Tian, et al.
Veröffentlicht: (2024)

Demystifying Variational Diffusion Models
von: Ribeiro, Fabio De Sousa, et al.
Veröffentlicht: (2024)

Radio-opaque artefacts in digital mammography: automatic detection and analysis of downstream effects
von: Schueppert, Amelia, et al.
Veröffentlicht: (2024)

Diffusion Counterfactual Generation with Semantic Abduction
von: Rasal, Rajat, et al.
Veröffentlicht: (2025)

Segmentor-Guided Counterfactual Fine-Tuning for Locally Coherent and Targeted Image Synthesis
von: Xia, Tian, et al.
Veröffentlicht: (2025)

Positional Segmentor-Guided Counterfactual Fine-Tuning for Spatially Localized Image Synthesis
von: Xia, Tian, et al.
Veröffentlicht: (2026)

Factored Classifier-Free Guidance
von: Xia, Tian, et al.
Veröffentlicht: (2025)

Grounded Object Centric Learning
von: Kori, Avinash, et al.
Veröffentlicht: (2023)

Evaluating the Explainability of Vision Transformers in Medical Imaging
von: Barekatain, Leili, et al.
Veröffentlicht: (2025)

Average Calibration Error: A Differentiable Loss for Improved Reliability in Image Segmentation
von: Barfoot, Theodore, et al.
Veröffentlicht: (2024)

UNSURF: Uncertainty Quantification for Cortical Surface Reconstruction of Clinical Brain MRIs
von: Mehta, Raghav, et al.
Veröffentlicht: (2025)

Latent Causal Modeling for 3D Brain MRI Counterfactuals
von: Peng, Wei, et al.
Veröffentlicht: (2024)

Average Calibration Losses for Reliable Uncertainty in Medical Image Segmentation
von: Barfoot, Theodore, et al.
Veröffentlicht: (2025)

Causal Representation Learning with Observational Grouping for CXR Classification
von: Rasal, Rajat, et al.
Veröffentlicht: (2025)

Identifiable Object Representations under Spatial Ambiguities
von: Kori, Avinash, et al.
Veröffentlicht: (2025)

Pixel-wise Modulated Dice Loss for Medical Image Segmentation
von: Hosseini, Seyed Mohsen
Veröffentlicht: (2025)

Cardiovascular disease classification using radiomics and geometric features from cardiac CT
von: Mittal, Ajay, et al.
Veröffentlicht: (2025)

PCLMix: Weakly Supervised Medical Image Segmentation via Pixel-Level Contrastive Learning and Dynamic Mix Augmentation
von: Lei, Yu, et al.
Veröffentlicht: (2024)

Counterfactual Segmentation Reasoning: Diagnosing and Mitigating Pixel-Grounding Hallucination
von: Li, Xinzhuo, et al.
Veröffentlicht: (2025)

Pyramid Pixel Context Adaption Network for Medical Image Classification with Supervised Contrastive Learning
von: Zhang, Xiaoqing, et al.
Veröffentlicht: (2023)

Rethinking Fair Representation Learning for Performance-Sensitive Tasks
von: Jones, Charles, et al.
Veröffentlicht: (2024)

Multi-level Asymmetric Contrastive Learning for Volumetric Medical Image Segmentation Pre-training
von: Zeng, Shuang, et al.
Veröffentlicht: (2023)

Counterfactual Explanations for Medical Image Classification and Regression using Diffusion Autoencoder
von: Atad, Matan, et al.
Veröffentlicht: (2024)

Neighbor Does Matter: Density-Aware Contrastive Learning for Medical Semi-supervised Segmentation
von: Tang, Feilong, et al.
Veröffentlicht: (2024)

Image Counterfactual Sensitivity Analysis for Detecting Unintended Bias
von: Denton, Remi, et al.
Veröffentlicht: (2019)

Vector Contrastive Learning For Pixel-Wise Pretraining In Medical Vision
von: He, Yuting, et al.
Veröffentlicht: (2025)

Concept-to-Pixel: Prompt-Free Universal Medical Image Segmentation
von: Chen, Haoyun, et al.
Veröffentlicht: (2026)

Combining imaging and shape features for prediction tasks of Alzheimer's disease classification and brain age regression
von: Shehata, Nairouz, et al.
Veröffentlicht: (2025)

Intra-Class Subdivision for Pixel Contrastive Learning: Application to Semi-supervised Cardiac Image Segmentation
von: Zhao, Jiajun, et al.
Veröffentlicht: (2026)

Counterfactual Identifiability via Dynamic Optimal Transport
von: Ribeiro, Fabio De Sousa, et al.
Veröffentlicht: (2025)

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