MIRACLE课题组在医学影像算法公平性研究方面取得进展

近日，中国科学技术大学苏州高等研究院医学影像智能与机器人研究中心（MIRACLE）联合中国科学院计算技术研究所、哈尔滨工业大学、青岛大学附属医院，提出了名为APPLE的通用医学影像分析不公平性弥补算法，实现了对于超声图像分割和影像组学参数提取任务的不公平性弥补。该成果以“Fair Ultrasound Diagnosis via Adversarial Protected attribute aware Perturbations Latent Embeddings”为题发表在Nature出版社旗下国际顶级学术期刊npj Digital Medicine（影响因子12.4）。医学影像智能与机器人研究中心主任周少华教授为通讯作者，中国科学技术大学博士生徐梓康为第一作者。

图一：超声图像诊断基本流程

 深度学习技术显著提升了超声图像病灶分割和疾病诊断的便捷性和精确性。然而，最近的研究表明，无论是从头训练的模型还是加载预训练权重的模型，在性别和年龄属性上往往表现出性能差异，导致对不同亚群的诊断存在偏差与不公平的现象。本研究提出了一种名为APPLE的算法，旨在不改变原有模型权重的情况下缓解算法的不公平性。APPLE通过生成对抗网络在潜在空间中学习公平扰动来实现这一目标。在公开数据集和内部超声图像数据集上的大量实验表明，与基础模型相比，本研究所提出的方法在所有敏感属性和各种网络骨干架构上均改善了病灶分割和疾病诊断的公平性。通过本研究，我们旨在强调医学分割任务中公平性的重要性，并为构建更公平的医疗体系做出贡献。

图二：基于潜在空间扰动的不公平性弥补算法APPLE网络结构