重新审视皮肤病变分类中的肤色公平性
图像与视频处理
2023-08-21 v1 计算机视觉与模式识别
计算机与社会
机器学习
摘要
由于皮肤疾病在不同肤色上的表现存在差异，解决皮肤图像病变分类中的公平性问题至关重要。然而，公共数据集中肤色标签的缺失阻碍了公平分类器的构建。迄今为止，在独立研究中，此类肤色标签已在公平性分析之前使用个体类型学角（ITA）进行估计。简言之，ITA 基于从皮肤图像中提取的像素计算一个角度，同时考虑亮度和黄-蓝色调。这些角度随后被分类为肤色，并用于分析皮肤癌分类中的公平性。本工作中，我们在 ISIC18 数据集（文献中评估皮肤癌分类公平性的常用基准）上回顾并比较了四种基于 ITA 的肤色分类方法。我们的分析揭示了已发表研究之间的高度不一致，表明了基于 ITA 的肤色估计方法的风险。此外，我们探究了这些方法间巨大差异的成因，发现 ISIC18 数据集缺乏多样性限制了其作为公平性分析测试平台的用途。最后，我们建议进一步研究鲁棒的 ITA 估计以及带有肤色标注的多样化数据集获取，以促进对皮肤病学中人工智能工具的结论性公平性评估。我们的代码可在 https://github.com/tkalbl/RevisitingSkinToneFairness 获取。
引用
@article{arxiv.2308.09640,
title = {Revisiting Skin Tone Fairness in Dermatological Lesion Classification},
author = {Thorsten Kalb and Kaisar Kushibar and Celia Cintas and Karim Lekadir and Oliver Diaz and Richard Osuala},
journal= {arXiv preprint arXiv:2308.09640},
year = {2023}
}
备注
Accepted at 2023 MICCAI FAIMI Workshop