基于 Shapley 值的医学影像数据估值：在大规模胸部 X 光数据集上的应用
机器学习
2021-04-20 v1 计算机视觉与模式识别
图像与视频处理
摘要
当机器学习模型在低质量数据上训练时，其可靠性会受损。许多大规模医学影像数据集包含从医学报告等来源提取的低质量标签。此外，由于设备或测量误差产生的伪影与偏倚，数据集内图像质量可能异构。因此，能自动识别低质量数据的算法极受期待。本研究中，我们使用数据 Shapley（一种数据估值度量）来量化训练数据对大规模胸部 X 光数据集中肺炎检测算法性能的价值。我们刻画了数据 Shapley 在识别肺炎检测中低质量与高价值数据的有效性。我们发现，移除具有高 Shapley 值的训练数据会降低肺炎检测性能，而移除低 Shapley 值数据则改善模型性能。此外，低 Shapley 值数据中存在更多错标样本，高 Shapley 值数据中存在更多真实肺炎病例。我们的结果表明，低 Shapley 值指示错标或低质量图像，而高 Shapley 值指示对肺炎检测有价值的数据。我们的方法可作为使用数据 Shapley 对大规模医学影像数据集去噪的框架。
引用
@article{arxiv.2010.08006,
title = {Data Valuation for Medical Imaging Using Shapley Value: Application on A Large-scale Chest X-ray Dataset},
author = {Siyi Tang and Amirata Ghorbani and Rikiya Yamashita and Sameer Rehman and Jared A. Dunnmon and James Zou and Daniel L. Rubin},
journal= {arXiv preprint arXiv:2010.08006},
year = {2021}
}