理解医学影像中的数据偏差：胸部X光的案例研究
计算机视觉与模式识别
2025-07-21 v4
摘要
近期研究重访著名的"命名那个数据集"任务，表明非医学数据集包含潜在偏差，且数据来源任务可获得高准确率。在本工作中，我们将同一任务重新应用于流行的开源胸部X光数据集。由于医学影像天然较难公开，导致某些开源数据集因其敏感性质被广泛用于科研目的。通过执行相同任务，我们希望探讨这些数据集是否存在数据偏差。为扩展本工作，我们对数据集应用简单变换，重复执行相同任务，并进行分析以识别和解释任何检测到的偏差。鉴于AI在医学影像中的重要性，建立这些现代方法是否采取捷径或专注于相关病理问题至关重要。我们在数据集上实现了多种不同的网络架构：NIH、CheXpert、MIMIC-CXR和PadChest。我们希望本工作将鼓励在医学影像中进行更多可解释性研究以及医学领域更广泛的数据集创建。我们的代码可在此处找到：https://github.com/eedack01/x_ray_ds_bias
引用
@article{arxiv.2507.07722,
title = {Understanding Dataset Bias in Medical Imaging: A Case Study on Chest X-rays},
author = {Ethan Dack and Chengliang Dai},
journal= {arXiv preprint arXiv:2507.07722},
year = {2025}
}