核心概念
本研究では、人種、健康保険、所得といった複雑な交差属性を考慮し、胸部X線画像の多ラベル分類における公平性を向上させる手法を提案する。
摘要
本研究では、胸部X線画像の多ラベル分類における公平性の向上を目的としている。従来の研究では、人種、年齢、性別といった単一の属性に着目していたが、本研究では人種、健康保険、所得といった複雑な交差属性を考慮している。
具体的な手法は以下の通り:
- 事前学習済みのモデルの最終分類層を再学習する際に、交差属性ごとにバランスのとれたデータセットを使用する。
- 偽陽性率と偽陰性率に基づく公平性制約を損失関数に組み込む。
- クラスの不均衡も考慮した学習を行う。
MIMIC-CXRデータセットを用いた評価実験の結果、提案手法は公平性指標を大幅に改善しつつ、分類精度も維持できることが示された。これは、交差属性を考慮した公平性の向上に有効な手法であることを示唆している。
统计
人種が白人で所得が高く、健康保険に加入している群の症例数は50,499件
人種が非白人で所得が低く、健康保険に加入していない群の症例数は10,650件
引用
"従来の研究では、人種、年齢、性別といった単一の属性に着目していたが、本研究では人種、健康保険、所得といった複雑な交差属性を考慮している。"
"提案手法は公平性指標を大幅に改善しつつ、分類精度も維持できることが示された。これは、交差属性を考慮した公平性の向上に有効な手法であることを示唆している。"