Detecting Melanoma Fairly: Skin Tone Detection and Debiasing for Skin Lesion Classification

要約

畳み込みニューラル ネットワークは、メラノーマやその他の皮膚病変の分類において人間レベルのパフォーマンスを示していますが、広範囲に展開する前に、異なる肌の色調間の明らかなパフォーマンスの不一致に対処する必要があります。
この作業では、病変画像の肌の色合いを自動的にラベル付けするための効率的かつ効果的なアルゴリズムを提案し、これを使用してベンチマーク ISIC データセットに注釈を付けます。
その後、これらの自動化されたラベルを、肌の色合いのバイアスを軽減するための 2 つの主要なバイアス学習解除手法のターゲットとして使用します。
私たちの実験結果は、肌の色検出アルゴリズムが既存のソリューションよりも優れていること、および肌の色を学習しないことで一般化が改善され、肌の色が明るい場合と暗い場合のメラノーマ検出のパフォーマンスの格差を減らすことができるという証拠を提供します。

要約(オリジナル)

Convolutional Neural Networks have demonstrated human-level performance in the classification of melanoma and other skin lesions, but evident performance disparities between differing skin tones should be addressed before widespread deployment. In this work, we propose an efficient yet effective algorithm for automatically labelling the skin tone of lesion images, and use this to annotate the benchmark ISIC dataset. We subsequently use these automated labels as the target for two leading bias unlearning techniques towards mitigating skin tone bias. Our experimental results provide evidence that our skin tone detection algorithm outperforms existing solutions and that unlearning skin tone may improve generalisation and can reduce the performance disparity between melanoma detection in lighter and darker skin tones.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google