CIRCLe:用于皮肤病变无偏分类的颜色不变表示学习
计算机视觉与模式识别
2022-08-30 v1
摘要
尽管基于深度学习的方法已在皮肤诊断任务中展现出专家级性能,但它们也被证明对特定人口属性(尤其是皮肤类型,如浅色与深色)表现出偏见,这是一个必须解决的公平性关切。我们提出 CIRCLe,一种皮肤颜色不变的深度表示学习方法,用于改善皮肤病变分类中的公平性。CIRCLe 通过正则化损失训练以分类图像,该损失鼓励具有相同诊断但不同皮肤类型的图像具有相似的潜在表示。通过广泛评估与消融研究,我们证明了 CIRCLe 在 16k+ 张涵盖 6 种 Fitzpatrick 皮肤类型和 114 种疾病的图像上,使用分类准确率、机会均等差异(浅色与深色组间)以及我们提出的用于评估多皮肤类型组公平性的新指标归一化准确率范围,相较于最先进方法(SOTA)具有更优性能。
引用
@article{arxiv.2208.13528,
title = {CIRCLe: Color Invariant Representation Learning for Unbiased Classification of Skin Lesions},
author = {Arezou Pakzad and Kumar Abhishek and Ghassan Hamarneh},
journal= {arXiv preprint arXiv:2208.13528},
year = {2022}
}
备注
18 pages, 5 figures, accepted by European Conference on Computer Vision (ECCV) ISIC Skin Image Analysis Workshop, 2022