揭示基于深度学习的脑部 MRI 重建中的公平偏差

Sep, 2023

揭示基于深度学习的脑部 MRI 重建中的公平偏差

Unveiling Fairness Biases in Deep Learning-Based Brain MRI Reconstruction

Yuning Du, Yuyang Xue, Rohan Dharmakumar, Sotirios A. Tsaftaris

TL;DR该研究使用深度学习重建技术分析了基于神经网络的磁共振成像的公平性问题，发现性别和年龄子群之间存在显著的性能偏差，并提供了改进医学人工智能应用公平性的见解。

Abstract

deep learning (DL) reconstruction particularly of MRI has led to improvements in image fidelity and reduction of acquisition time. In neuroimaging, DL methods can reconstruct high-quality images from undersampled data. However, it is essential to consider fairness in DL algorithms, par

deep learning mri reconstruction fairness analysis u-net architecture performance biases

发现论文，激发创造

深度学习基于分割的心脏 MR 图像分析中由于数据不平衡导致的偏差调查

该研究讨论了使用神经网络建立心脏数据的图像分割模型时，数据库不平衡导致的种族偏见，提出了三种解决方案，并发现 protected group models 的使用最有效。

Jun, 2021

医学影像公平性基准测试

该研究介绍了 MEDFAIR 框架，可以用于医学成像机器学习模型的公平性评估和算法的基准测试，通过实验发现模型选择标准可以对公平性结果产生重要影响，并在不同的应用场景和伦理原则下提供了建议。

Oct, 2022

超声分割任务中模型公平性检查

机器学习和深度学习在医学任务和应用中得到广泛应用，然而，研究人员发现模型在不同敏感属性的子组中表现出偏见。本文通过检测一系列深度学习分割模型在超声波分割任务中的表现来评估模型的不公平性，结果显示即使最先进的深度学习算法也存在不公平行为。这些发现强调了在模型部署到实际场景之前对其进行仔细评估的必要性，以确保道德考量并减轻对患者结果的不利影响的风险。

Dec, 2023

医学图像分割中的无监督偏差发现

通过数值实验在合成和真实场景中展示了我们的方法能够在没有真实标签的情况下成功预测公平性问题，这在该领域中是一种新颖且有价值的工具。

Sep, 2023

透过公平的镜子：减少图像数据集中的偏差

本研究通过重构和最小化预期变量之间的统计相依来解决图像训练数据偏见的问题，使用包含 U-net 和预训练分类器的架构，将所提出的模型与最新的去偏见方法进行了对比，并展示了模型的公正性 - 准确性组合。

Sep, 2022

以鲁棒性促进公平：探究深度学习中的鲁棒性差异性

该研究采用两种方法来衡量深度神经网络中的鲁棒性偏差。实证研究结果表明，在大多数情况下，存在一些少数群体处于劣势，并提出了数据分布和学习决策边界的高度复杂性是导致此类偏向的原因。

Jun, 2020

探究医学图像分析中的标定偏差问题

本研究探讨了医疗影像分析中的人工智能系统的公平性问题，特别是围绕判定偏见和校准偏见的研究，并展示了通常使用的多种校准指标对样本量存在系统性偏差的情况，如果未考虑到这一点，可能会导致错误的公平性分析。

May, 2023

面向医学影像人工智能的客观系统偏见评估

通过一种新的分析框架，我们展示了如何系统性、客观地研究医学图像中的偏见对人工智能模型的影响，并评估偏见缓解策略在性能差异方面的有效性，从而支持开发健壮、负责任的临床人工智能。

Nov, 2023

解决面部情感识别中的种族偏见

在深度学习模型使用高维输入和主观标签进行训练时，公正性依然是一个复杂且缺乏研究的领域。面部情绪识别是一个数据集往往存在种族不平衡问题的领域，可能导致模型在不同种族群体之间产生不同的结果。本研究聚焦于通过对具有多样种族分布的训练集进行子采样，以及评估这些模拟中的测试性能来分析种族偏见。我们的发现表明，较小的数据集中的伪造面孔可以在接近种族平衡的模拟中提高公正性和性能指标。值得注意的是，F1 分数平均增加了 27.2 个百分点，人口统计学平等指标平均增加了 15.7 个百分点。然而，在具有更多面部变化的较大数据集中，公正性指标通常保持不变，这表明仅仅种族平衡是无法在不同种族群体之间实现测试性能的平等的。

Aug, 2023

深度学习用于加速和鲁棒的 MRI 重建的综述

深度学习在磁共振成像重建中的应用及其对临床成像实践的潜力进行了全面综述，重点包括改善图像质量、加速扫描、处理数据相关挑战的深度学习方法和架构，以及优化采集协议、增强对分布变化的鲁棒性和克服潜在偏差等方面的讨论。

Apr, 2024