今日应用
今日话题
ECCV 2024｜FairDomain：实现跨域医学图像分割和分类中的公平性
重点标签 FairDomain、算法公平性、医学影像、域转移、公平身份注意力
文章摘要
极市导读：FairDomain是医学影像领域首个系统性探索域转移下算法公平性的研究。该研究测试了最先进的域适应（DA）和域泛化（DG）算法，提出了公平身份注意力（FIA）模块，以及公开了首个关注公平性的domain-shift数据集。
背景：深度学习在医学影像领域取得显著进展，但算法偏见和歧视问题在不同医疗环境中部署时显现出来。现有研究多关注模型准确性，忽视了公平性，特别是在域转移背景下。
FairDomain：首次系统性探索域转移下算法公平性，通过实验评估算法在不同人口统计属性下的准确性和公平性。引入FIA机制，提高域适应和泛化中的准确性和公平性。创建了大规模配对医学分割和分类数据集，专注于域转移下的公平性问题。
数据收集和质量控制：受试者来自哈佛医学院眼科医院，数据包括En-face和SLO眼底图像扫描、人口统计信息、青光眼诊断等。通过OCT设备和NiftyReg工具生成高质量掩膜注释。
方法：提出Fair Identity Attention（FIA），一种基于注意力机制的方法，通过人口统计属性派生的特征重要性来促进公平性。FIA模块可以作为插件组件集成到现有网络中。
实验：分析域转移中的公平性，关注杯盘分割任务和青光眼分类任务。使用Dice、IoU、AUC等指标评估分割和分类性能，引入公平性缩放性能（ESP）指标综合评估性能和公平性。
总结：FairDomain聚焦医疗AI中的公平性问题，提出新颖的FIA模块和跨域数据集，推动模型在域转移任务中提升公平性和性能。公众号后台回复“数据集”获取资源整理。
技术专栏：多模态大模型、Transformer系列、ICCV2023论文解读等。极视角动态：教育部产学合作项目申报、无人机+AI道路巡检应用。技术综述：Neural ODE详解、Transformer连环18问。点击阅读原文进入CV社区，收获更多技术干货。
文章来源
原文地址: 点我阅读全文
原文作者: 极市平台
相关文章
