解决基于深度学习的医学图像分析中的公平性问题：系统性综述
计算机视觉与模式识别
2024-07-10 v7
摘要
深度学习算法已在多种医学图像分析（MedIA）应用中展现出卓越效能。然而，近期研究指出这些算法在特定子群（如老年女性中预测性能较差）上存在性能差异。解决此公平性问题已成为 AI 科学家与临床医生的共同努力，他们试图理解其根源并制定缓解方案。本综述中，我们详尽考察了 MedIA 中解决公平性问题的当前进展，聚焦于方法论途径。我们介绍组公平性的基础，随后将公平 MedIA 的研究分为公平性评估与不公平缓解两类。文中亦呈现了这些研究采用的详细方法。本综述以对建立公平 MedIA 与医疗系统现有挑战与机遇的讨论作结。通过提供此综合性综述，我们旨在促进 AI 研究者与临床医生对公平性的共识，增强不公平缓解方法的发展，并助力构建公平的 MedIA 社会。
引用
@article{arxiv.2209.13177,
title = {Addressing Fairness Issues in Deep Learning-Based Medical Image Analysis: A Systematic Review},
author = {Zikang Xu and Jun Li and Qingsong Yao and Han Li and Mingyue Zhao and S. Kevin Zhou},
journal= {arXiv preprint arXiv:2209.13177},
year = {2024}
}
备注
Submitted to npj Dig. Med