Synthetic Data as a Tool to Combat Racial Bias in Medical AI: Utilizing Generative Models for Optimizing Early Detection of Melanoma in Fitzpatrick Skin Types IV–VI.

KVAK, Daniel, Eva BŘEZINOVÁ, Marek BIROŠ a Robert HRUBÝ. Synthetic Data as a Tool to Combat Racial Bias in Medical AI: Utilizing Generative Models for Optimizing Early Detection of Melanoma in Fitzpatrick Skin Types IV–VI. In Ruidan Su, Yudong Zhang, Han Liu, Alejandro F Frangi. Proceedings of 2022 International Conference on Medical Imaging and Computer-Aided Diagnosis (MICAD 2022). 1. vyd. Berlin: Springer Publishing, 2023. 454 s. ISBN 978-981-16-6774-9.

Abstrakt:

Asistenční nástroje na pomoc při odhalování rakoviny kůže zažívají nebývalý vzestup s dostupností robustních a přesných nástrojů modelů hlubokého učení. V současných aplikacích však pouze zanedbatelný počet dermatologických snímků pochází od pacientů s Fitzpatrickovým typem pleti IV-VI, které představují hnědou, tmavě hnědou, respektive černou pleť. V této studii demonstrujeme využití autoregresivních modelů Zero-Shot Textto-Image k vytváření syntetických lékařských dat pro lepší vyváženost při tréninku klasifikačních modelů CAD s minimalizací rasovým zkreslením. Synteticky vygenerované snímky kožních lézí byly hodnoceny zkušeným dermatologem s použitím pravidla ABCD a diferenciálního hodnocení diagnostiky a následně ověřeny pomocí předem natrénovaného modelu ResNet50V2 klasifikačního modelu více tříd.

Kvak, D., Biroš, M., & Hrubý, R. (2022). Synthetic Data as a Tool to Combat Racial Bias in Medical AI: Utilizing Generative Models for Optimizing Early Detection of Melanoma in Fitzpatrick Skin Types IV–VI. In: Proceedings of 2022 International Conference on Medical Imaging and Computer-Aided Diagnosis (MICAD 2022). Springer Publishing.

Celá studie

Doporučené články

ocenění