更多数据就是你所需要的一切吗？一项因果探索

为机器学习应用策划大规模医学影像数据集既耗时又昂贵。对于机器学习从业者而言，尤其在时间受限情况下，平衡模型开发、数据收集与标注之间的工作负荷十分困难。因果分析常用于医学与经济学中以洞察行动与政策的效果。本文中，我们探索数据集干预对图像分类模型输出的影响。通过因果方法，我们研究为在特定子任务上取得更优性能，需在数据集中纳入的数据数量与类型之效应。本文主要目标是凸显因果分析作为开发医学影像 ML 应用之资源优化工具的潜力。我们利用合成数据集与糖尿病视网膜病变图像分析的一个示例用例来探索该概念。