擦除增强：MRI重建中的数据高效机器遗忘

机器遗忘是一种有前景的范式，用于从训练模型中移除不需要的数据样本，以确保符合隐私法规并限制有害偏见。尽管遗忘已在分类和推荐系统等领域得到展示，但其在医学图像到图像翻译（特别是图像重建）中的潜力尚未得到深入研究。本文表明机器遗忘在MRI任务中是可行的，并且有可能有益于偏见消除。我们建立了一个协议来研究不同器官数据集之间存在多少共享知识，从而有效量化遗忘的效果。我们的研究表明，组合训练数据可能导致重建数据中的幻觉和图像质量下降。我们使用遗忘来消除幻觉，作为不需要数据移除的代理示例。确实，我们表明无需完全重新训练即可实现机器遗忘。此外，我们的观察表明，即使仅使用保留数据的一个子集，也能保持高性能。我们已公开代码。