Quadro di Inferenza Causale Duale per il VQA Medico
Un nuovo quadro chiamato Inferenza Causale Duale (DCI) è stato introdotto dai ricercatori per migliorare il Visual Question Answering Medico (MedVQA) affrontando gli effetti confondenti cross-modali. DCI unisce l'Aggiustamento Backdoor (BDA) e l'apprendimento con Variabili Strumentali (IV) per gestire sia i confondenti osservati che quelli non osservati. BDA viene impiegato per ridurre i bias osservabili, come le comuni co-occorrenze visivo-testuali, mentre l'apprendimento IV affronta i confondenti non osservati. Questo quadro innovativo si basa su un Modello Causale Strutturale (SCM). È la prima architettura completa che integra queste due tecniche di inferenza causale per MedVQA, con l'obiettivo di rafforzare l'affidabilità del ragionamento diagnostico.
Fatti principali
- Il quadro DCI integra l'Aggiustamento Backdoor e l'apprendimento con Variabili Strumentali
- Prima architettura unificata per MedVQA che combina BDA e IV
- Affronta sia i confondenti osservabili che quelli non osservati
- Basato su un Modello Causale Strutturale
- Mira a migliorare l'affidabilità clinica in MedVQA
- Si rivolge agli effetti confondenti cross-modali nei dati medici
- Mitiga le frequenti co-occorrenze visive e testuali tramite BDA
- Pubblicato su arXiv con ID 2604.20306
Entità
Istituzioni
- arXiv