面向医学图像公平诊断的潜空间条件扩散去偏

Authors:
  • 晨河晨希 河南大学软件学院,河南开封475004SchoolofSoftware,HenanUniversity,Kaifeng475004,Henan,China
    晨希 河南大学软件学院,河南开封475004SchoolofSoftware,HenanUniversity,Kaifeng475004,Henan,China
  • 沛河沛宇 河南大学河南省智能数据处理工程研究中心,河南开封475000HenanProvincialEngineeringResearchCenterofIntelligentDataProcessing,HenanUniversity,Kaifeng475000,HenanChina
    沛宇 河南大学河南省智能数据处理工程研究中心,河南开封475000HenanProvincialEngineeringResearchCenterofIntelligentDataProcessing,HenanUniversity,Kaifeng475000,HenanChina
  • 科中科 中国科学院大学工程科学学院,北京100049SchoolofEngineeringScience,UniversityofChineseAcademyofSciences,Beijing100049,China
    科 中国科学院大学工程科学学院,北京100049SchoolofEngineeringScience,UniversityofChineseAcademyofSciences,Beijing100049,China

Abstract
目的医学图像诊断模型易受年龄、性别和种族等人口统计学属性影响,造成子群间诊断性能差异。现有特征层去偏方法多通过对抗学习或相关性约束抑制人口统计学相关信息,但当其与病理特征耦合时,直接抑制可能削弱疾病判别信息,难以兼顾诊断性能与公平性。为此,本文提出一种潜空间条件扩散去偏方法,用于医学图像公平诊断中的特征学习。方法通过双空间正交约束降低潜在病理特征与人口统计学特征的相关性,对初步解耦的病理特征施加受控高斯扰动,以人口统计学属性和扩散时间步为条件完成去噪重构,并采用子群自适应阈值校准预测结果。结果在 CheXpert 的 4 项病理分类任务上,本文方法的准确率(accuracy,Acc)、受试者工作特征曲线下面积(area under the curve,AUC)、交叉子群AUC差异和等机会差异分别为 0.796、0.857、0.058 和 0.108。与 7 种对比方法在相应指标上的最佳平均结果相比,平均准确率和 AUC 分别由 0.781 和 0.841 提高至 0.796 和 0.857,等机会差异由 0.126 降至 0.108,交叉子群 AUC 差异为 0.058,与最佳对比结果持平。在 MIMIC-CXR 跨数据集分布外测试中,相较于公平性表现最佳的对比方法,交叉子群 AUC 差异和等机会差异分别由 0.121 和 0.287 降至 0.085 和 0.166。结论所提出的潜空间条件扩散去偏方法可在保持疾病判别能力的同时减小人口统计学子群间的诊断性能差异,为医学图像公平诊断提供了一种潜空间特征重构的去偏思路。