对偏见的探索对深度学习管道在医疗环境中的透明度和适用性有重大影响,但到目前为止却经过了严重的研究。在本文中,我们考虑了仅在不同的图像分辨率下可用于培训数据的两个单独的组。对于H组,可用的图像和标签处于首选高分辨率,而对于L组L仅弃用较低的分辨率数据。我们分析了数据分布中的这种分辨率偏差如何传播到更高分辨率下L组的系统偏差预测。我们的结果表明,单分辨率训练设置会导致体积组差异的显着损失,这些差异转化为DSC衡量的错误分割,并在低分辨率组上进行了分类失败。我们进一步探讨了如何使用跨决议的培训数据来应对这种系统偏见。具体而言,我们研究了图像重新采样,扩展和解决独立性的影响,并证明可以通过多分辨率方法有效地降低偏见。
translated by 谷歌翻译