从数据到诊断:用于人工智能的皮肤癌图像数据集
David Wen1,2, Andrew Soltan3,4,5, Emanuele Trucco6
1Department of Dermatology, Oxford University Hospitals NHS Foundation Trust, Oxford, UK.
Clinical and experimental dermatology
|March 29, 2024
概括
皮肤癌诊断的人工智能 (AI) 需要透明,多样化的数据集. 解决数据集转移和偏见对于所有患者群体中公平的AI性能至关重要.
科学领域:
- 皮肤病学 皮肤病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 人工智能,特别是深度学习,在皮肤癌诊断方面表现有前途.
- 人工智能模型的开发在很大程度上依赖于大型,高质量的数字图像数据集.
- 确保人工智能可通用性需要了解数据集特征.
研究的目的:
- 审查人工智能用于皮肤癌诊断的数据集.
- 突出数据集透明度对AI评估的重要性.
- 讨论改善人工智能数据集的挑战和战略.
主要方法:
- 对用于皮肤癌诊断的AI数据集的文献综述.
- 分析数据集策划挑战,包括转移和偏见.
- 检查诸如联合学习和模型级偏差缓解等策略.
主要成果:
- 由于人口统计和方法的变化,数据集的变化会影响人工智能的表现.
- 罕见癌症和少数群体的有限代表性会扭曲人工智能结果.
- 缺乏透明度阻碍了对AI通用性的评估.
结论:
- 提高数据集的透明度,表示性和互操作性是关键.
- 联合和生成方法可以增强数据集的多样性和隐私.
- 解决数据集偏差对于皮肤癌诊断中的公平AI至关重要.
