揭示基于深度学习的脑 MRI 重建中的公平性偏差
图像与视频处理
2023-09-27 v1 计算机视觉与模式识别
机器学习
摘要
深度学习（DL）重建，尤其是 MRI 重建，已带来图像保真度的提升与采集时间的缩短。在神经影像中，DL 方法可从欠采样数据重建高质量图像。然而，必须考虑 DL 算法中的公平性，尤其在人口统计学特征方面。本研究提出了首个基于 DL 的脑 MRI 重建模型中的公平性分析。该模型利用 U-Net 架构进行图像重建，并通过实施基线经验风险最小化（ERM）与再平衡策略，探究不公平性的存在与来源。模型性能使用图像重建指标进行评估。我们的发现揭示了性别与年龄子组间具有统计显著性的性能偏差。令人惊讶的是，数据不平衡与训练歧视并非偏差的主要来源。该分析提供了对基于 DL 的图像重建中公平性的见解，旨在改善医学 AI 应用中的公平性。
引用
@article{arxiv.2309.14392,
title = {Unveiling Fairness Biases in Deep Learning-Based Brain MRI Reconstruction},
author = {Yuning Du and Yuyang Xue and Rohan Dharmakumar and Sotirios A. Tsaftaris},
journal= {arXiv preprint arXiv:2309.14392},
year = {2023}
}
备注
Accepted for publication at FAIMI 2023 (Fairness of AI in Medical Imaging) at MICCAI