学习无偏图像分割：以平面膝关节 X 线片的案例研究
计算机视觉与模式识别
2023-08-09 v1 人工智能
摘要
膝关节骨性解剖的自动分割在骨科中至关重要，并且在术前和术后环境中已存在数年。尽管深度学习算法在医学图像分析中展现出卓越性能，但对这些模型内公平性与潜在偏见的评估仍然有限。本研究旨在重新审视基于平面 X 线片的深度学习驱动膝关节骨性解剖分割，以揭示可见的性别与种族偏见。当前的贡献有望增进我们对偏见的理解，并为医学成像领域的研究人员和从业者提供实用见解。所提出的缓解策略减轻了性别与种族偏见，确保了公平且无偏的分割结果。此外，本工作促进了不同患者群体对准确诊断与治疗结果的平等获取，推动了公平和包容的医疗供给。
引用
@article{arxiv.2308.04356,
title = {Learning Unbiased Image Segmentation: A Case Study with Plain Knee Radiographs},
author = {Nickolas Littlefield and Johannes F. Plate and Kurt R. Weiss and Ines Lohse and Avani Chhabra and Ismaeel A. Siddiqui and Zoe Menezes and George Mastorakos and Sakshi Mehul Thakar and Mehrnaz Abedian and Matthew F. Gong and Luke A. Carlson and Hamidreza Moradi and Soheyla Amirian and Ahmad P. Tafti},
journal= {arXiv preprint arXiv:2308.04356},
year = {2023}
}
备注
This paper has been accepted by IEEE BHI 2023