针对医学大视觉语言模型的去偏见方法
王文浩1
韩忠义2
王斌1
吴慎京1
魏本征1
1.山东中医药大学 医学人工智能研究中心,青岛 266112;山东中医药大学 青岛中医药科学院,青岛 266112;青岛市中医人工智能技术重点实验室,青岛 2661122.阿卜杜拉国王科技大学生成式人工智能卓越中心,图沃 23955-6900
摘要：针对大视觉语言模型(LVLMs)在医学辅助诊断中因数据分布不均导致的偏见问题,本研究提出了一种通用的医学去偏见方法——偏见公平性校准(BFE).本研究通过构建一个评估医学LVLMs偏见问题的基准验证BFE的去偏见效果,该基准涵盖二分类、多分类和开放性问题任务,同时设置了两个控制输出随机性的参数,以确保方法的通用性.实验结果表明,BFE在医学LVLMs(LLaVA-Med,SkinGPT)中的表现优于其他主流去偏见方法,尤其是在开放式医学问答任务中,LLaVA-Med的性能提升了 6.3%(cd_beta=0.1)和 6.7%(cd_beta=0.5).研究表明,BFE能够有效缓解医学LVLMs中的偏见问题,为提升医学辅助诊断的准确性和可靠性提供重要支持.
关键词：大视觉语言模型去偏见算法医学辅助诊断偏见问题对比学习
分类号：R318(医用一般科学)TP183(自动化基础理论)
资助基金：国家自然科学基金(62372280)国家自然科学基金(62402297)山东省自然科学基金(2024MF139)山东省自然科学基金(2023QF094)青岛市科技惠民示范专项(23-2-8-smjk-2-nsh)
论文发表日期：2025-08-30
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：9( 229-237 )
英文信息