学会遗忘：在医学影像研究中构建对数据集偏置的免疫

医学影像机器学习算法通常在单一数据集上评估。尽管训练与测试在该数据集的不同子集上进行，但基于一项研究构建的模型泛化到其他研究的能力有限。尽管数据库偏置已被计算机视觉界视为严重问题，其在医学影像研究中在很大程度上仍未被察觉。因此，迁移学习仍局限于特征表示的重用，需要在新数据集上重新训练。结果，即便在针对同一感兴趣变量采集的影像数据集上训练，机器学习模型也无法泛化。若有可能，无需重新训练便将从一个研究汲取的知识迁移到另一研究，将令人确信模型学习的是所研究问题的基础性知识，而非拘泥于数据集的特异性。本文中，我们将数据集偏置问题置于医学影像研究的背景下。我们展示了此类问题存在于医学数据集中的经验证据。随后，我们提出一种遗忘研究归属的框架，作为处理数据库偏置问题的手段。我们的核心思想是，将数据从原始特征空间映射到中间空间，在该空间中数据点就其来源研究而言不可区分，同时保持对感兴趣变量的识别能力。这将促进模型学习所研究病因的更一般属性，而非迎合数据集特定的怪异性。本质上，我们提出的模型学会了遗忘数据集偏置。