皮肤病诊断公平性后处理框架

公平性与准确性双提升

该框架通过不确定性感知的门控校准机制识别并校准不可信样本，结合最优传输方法，在提升公平性的同时保持诊断准确性。

Yu, Gao · Ding D.

IEEE Transactions on Circuits and Systems for Video Technology 2025

参数信息

公平性提升

10.60 %

技术优势

公平性提升

在 MedCLIP 上，年龄敏感属性的公平性提升 10.60%。

准确性不降

框架在提升公平性的同时保持诊断准确性。

无需改模型

作为后处理框架，无需修改原模型即可集成。

应用场景

• 皮肤病人工智能诊断：提供公平且准确的皮肤病变诊断，适用于多种设备。
• 医学影像公平性：减少医学影像诊断中的人口统计学偏见。
• 皮肤科辅助诊断：提高皮肤科辅助诊断的公平性和可信度。
• 医疗人工智能伦理：减轻医疗人工智能中的伦理问题和公平性违反。
• 便携式皮肤筛查设备：部署到便携式皮肤筛查设备，确保广泛公平诊断。