利用脑磁共振成像研究性别相关差异对脑龄预测的影响
图像与视频处理
2023-10-19 v1 计算机视觉与模式识别
机器学习
摘要
在使用机器学习模型时，偏见与公平性如何影响不同人口统计学群体的模型结果是最关键的方面之一。这在医学影像应用的机器学习背景下尤为相关，因为此类模型正日益用于诊断与治疗规划。在本文中，我们研究基于脑磁共振图像（MRI）开发机器学习模型时与性别相关的偏见。我们通过考虑不同实验设计进行脑龄预测来探究性别的影响：仅使用女性受试者训练的模型、仅使用男性受试者训练的模型以及平衡数据集训练的模型。我们还在多个 MRI 数据集（Calgary-Campinas(CC359) 与 CamCAN）上进行评估，以考察所提模型的泛化能力。我们发现，当在不同性别子群与数据集上训练时，脑龄预测模型在最终预测与决策制定（使用可解释性模型评估）上均存在性能差异。我们的结果表明模型在性别特定子群间的泛化性存在变异，提示在 unbalanced 数据集上训练的模型可能存在偏见。这凸显了谨慎实验设计对于产生公平可靠结果的关键作用。
引用
@article{arxiv.2310.11577,
title = {Studying the Effects of Sex-related Differences on Brain Age Prediction using brain MR Imaging},
author = {Mahsa Dibaji and Neha Gianchandani and Akhil Nair and Mansi Singhal and Roberto Souza and Mariana Bento},
journal= {arXiv preprint arXiv:2310.11577},
year = {2023}
}