Revisiting Skin Tone Fairness in Dermatological Lesion Classification

要約

皮膚疾患は肌の色調によってどのように発現するかが異なるため、皮膚科学画像からの病変分類の公平性に取り組むことが重要です。
ただし、公開データセットに肌の色ラベルが存在しないため、公平な分類器の構築が妨げられます。
現在まで、そのような肌の色調ラベルは、個別の類型学角度 (ITA) を使用した独立した研究で公平性分析の前に推定されてきました。
簡単に説明すると、ITA は、明度と黄青の色合いを考慮して、肌の画像から抽出されたピクセルに基づいて角度を計算します。
これらの角度は肌の色調に分類され、その後、皮膚がんの分類における公平性を分析するために使用されます。
この研究では、文献における皮膚がん分類の公平性を評価するための一般的なベンチマークである ISIC18 データセットでの肌の色調分類の 4 つの ITA ベースのアプローチを検討し、比較します。
私たちの分析では、ITA ベースの肌の色調推定方法のリスクを実証する、これまでに発表された研究の間に大きな不一致があることが明らかになりました。
さらに、これらのアプローチ間のこのような大きな不一致の原因を調査し、ISIC18 データセットの多様性の欠如が公平性分析のテストベッドとしての使用を制限していることを発見しました。
最後に、皮膚科における人工知能ツールの最終的な公平性評価を促進するために、肌の色調の注釈を備えた堅牢なITA推定と多様なデータセット取得に関するさらなる研究を推奨します。
私たちのコードは https://github.com/tkalbl/RevisitingSkinToneFairness で入手できます。

要約(オリジナル)

Addressing fairness in lesion classification from dermatological images is crucial due to variations in how skin diseases manifest across skin tones. However, the absence of skin tone labels in public datasets hinders building a fair classifier. To date, such skin tone labels have been estimated prior to fairness analysis in independent studies using the Individual Typology Angle (ITA). Briefly, ITA calculates an angle based on pixels extracted from skin images taking into account the lightness and yellow-blue tints. These angles are then categorised into skin tones that are subsequently used to analyse fairness in skin cancer classification. In this work, we review and compare four ITA-based approaches of skin tone classification on the ISIC18 dataset, a common benchmark for assessing skin cancer classification fairness in the literature. Our analyses reveal a high disagreement among previously published studies demonstrating the risks of ITA-based skin tone estimation methods. Moreover, we investigate the causes of such large discrepancy among these approaches and find that the lack of diversity in the ISIC18 dataset limits its use as a testbed for fairness analysis. Finally, we recommend further research on robust ITA estimation and diverse dataset acquisition with skin tone annotation to facilitate conclusive fairness assessments of artificial intelligence tools in dermatology. Our code is available at https://github.com/tkalbl/RevisitingSkinToneFairness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google