LesionTABE：皮肤皮损检测的公平人工智能
计算机视觉与模式识别
2026-01-07 v1
摘要
偏差仍是皮肤科 AI 临床采用的主要障碍，因为诊断模型在 darker 皮肤色素染色下表现不佳。我们提出 LesionTABE，一个以公平性为核心的框架，将对抗性去偏方法与皮肤科特定基础模型嵌入相结合。在覆盖both malignant和inflammatory条件的多个数据集上进行评估，LesionTABE 在公平性指标上比 ResNet-152 基线提高了超过 25%，在现有去偏方法中表现出色，同时提升了整体诊断准确性。这些结果凸显了基础模型去偏作为实现临床公平 AI 采用的潜力。
关键词
引用
@article{arxiv.2601.03090,
title = {LesionTABE: Equitable AI for Skin Lesion Detection},
author = {Rocio Mexia Diaz and Yasmin Greenway and Petru Manescu},
journal= {arXiv preprint arXiv:2601.03090},
year = {2026}
}
备注
Submitted to IEEE ISBI 2026