MEDebiaser：一种用于减轻多标签医学图像分类中偏差的人机反馈系统

DOI

医学影像通常包含分布不均衡且存在共现的多标签，导致多标签医学图像分类中存在偏差。医学专业人员与机器学习从业者之间的紧密合作显著推进了医学影像分析。然而，传统的合作模式难以促进医生与人工智能模型之间的有效反馈，因为通过工程师将医学专业知识融入训练过程既耗时又费力。为弥补这一差距，我们引入了MEDebiaser，这是一个交互式系统，使医生能够使用局部解释直接优化人工智能模型。通过将预测与注意力损失函数相结合，并采用定制的排序策略来提高可扩展性，MEDebiaser让医生无需技术专长就能减轻偏差，减少对工程师的依赖，从而增强更直接的人机反馈。我们的机制和用户研究表明，它能有效减少偏差，提高可用性，并增强协作效率，为将医学专业知识融入人工智能驱动的医疗保健提供了实用解决方案。