Core Concepts
Ein Rahmenwerk zur Förderung einer ausgewogenen Darstellung verschiedener intersektionaler Gruppen in der hochdimensionalen, mehrfach-gelabelten Klassifizierung von Bruströntgenaufnahmen.
Abstract
Diese Studie führt einen Rahmenwerkan, der darauf abzielt, eine faire Darstellung verschiedener intersektionaler Gruppen in der Klassifizierung von Bruströntgenaufnahmen zu erreichen. Im Gegensatz zu traditionellen Schutzattributen wie Rasse und Geschlecht, berücksichtigt der Ansatz komplexe Wechselwirkungen innerhalb sozialer Determinanten der Gesundheit wie Krankenversicherung und Einkommen.
Der Ansatz beinhaltet das Neutrainieren der letzten Klassifizierungsschicht von vortrainierten Modellen unter Verwendung eines ausgewogenen Datensatzes über Gruppen hinweg. Zusätzlich werden Fairness-Beschränkungen berücksichtigt und eine klassenausgewogene Feinabstimmung für Mehrfachlabel-Einstellungen integriert.
Die Evaluation auf dem MIMIC-CXR-Datensatz zeigt, dass der Ansatz einen optimalen Kompromiss zwischen Genauigkeit und Fairness im Vergleich zu Baseline-Methoden erreicht.
Stats
Die Anzahl der Proben in den acht intersektionalen Gruppen ist in Tabelle 1 dargestellt.
Quotes
Keine relevanten Zitate gefunden.