PRISM：基于语言引导的高分辨率精准医学图像反事实生成

开发可靠且可泛化的医学成像深度学习系统面临着显著挑战，包括虚假关联、数据不平衡以及数据集中有限的文本标注。针对这些挑战，需要具备对医学成像数据独特复杂性具有鲁棒性的架构。自然图像领域中视觉语言基础模型的快速进展引出了一个问题：它们如何适用于医学成像任务。在本工作中，我们提出了PRISM框架，利用基础模型生成高分辨率、语言引导的医学图像反事实图像。我们的方法在有针对性地修改虚假关联（医疗设备）和疾病特征方面实现了前所未有的精度，使能够在保留其他图像特征的同时添加和移除特定属性。通过广泛的评估，我们展示了PRISM如何推动反事实生成，并 enables the development of more robust downstream classifiers for clinically deployable solutions. 为促进更广泛的采用和研究，我们在 https://github.com/Amarkr1/PRISM 公开代码。