在基于深度学习的医学图像分析中解决公平性问题:系统性审查
Zikang Xu1,2, Jun Li3, Qingsong Yao3
1School of Biomedical Engineering, Division of Life Sciences and Medicine, University of Science and Technology of China, Hefei, Anhui, PR China.
NPJ digital medicine
|October 17, 2024
概括
医学图像分析 (MedIA) 中的深度学习显示了老年女性等子组的性能差距. 本调查审查了评估和减轻不公平行为的方法,旨在在医疗保健中实现公平的AI.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 健康 公平 卫生 公平
背景情况:
- 深度学习算法在医学图像分析 (MedIA) 中表现出高效率.
- 性能差异存在,算法在特定子组 (例如,老年女性) 中表现不佳.
- 解决MedIA中的公平性对于公平的医疗保健至关重要.
研究的目的:
- 调查当前在解决公平问题上的进展在MedIA.
- 将研究分类为公平性评估和不公平性减轻.
- 促进人工智能科学家和临床医生之间的理解和合作.
主要方法:
- 引入集团公平性概念.
- 公平的MEDIA研究的分类.
- 详细介绍公平性评估和缓解方法的方法方法.
主要成果:
- 确定在MedIA中公平性的关键方法论方法.
- 对评估和减轻算法不公平性的技术的概述.
- 综合当前关于公平媒体的研究.
结论:
- 媒体的公平性是一个关键的领域,需要共同努力.
- 为了一个公平的MEDIA社会,需要进一步开发缓解方法.
- 建立公平的MEDIA和医疗保健系统带来了持续的挑战和机会.
更多相关视频
05:56Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application
Published on: April 14, 2023
2.4K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
