医学图像数据集上的固有偏置识别
计算机视觉与模式识别
2022-03-30 v2
摘要
基于机器学习的医学图像分析高度依赖于数据集。模型会学到数据集中的偏置并降低应用的泛化能力。已有关于去偏模型的研究。然而,科研人员与从业者难以识别数据集中的隐式偏置,这导致缺乏可靠的无偏测试数据集来验证模型。为解决此问题,我们首先定义数据固有偏置属性,然后提出一种新颖的医学图像数据集偏置识别框架。该框架包含两个主要组件:KlotskiNet与偏置判别方向分析(bdda),其中KlotskiNet用于建立使背景区分正负样本的映射,bdda为确定偏置属性提供理论解。在三个数据集上的实验结果表明了该框架所发现偏置属性的有效性。
引用
@article{arxiv.2203.12872,
title = {Intrinsic Bias Identification on Medical Image Datasets},
author = {Shijie Zhang and Lanjun Wang and Lian Ding and An-an Liu and Senhua Zhu and Dandan Tu},
journal= {arXiv preprint arXiv:2203.12872},
year = {2022}
}
备注
19pages, 12 figures