申请/专利权人：中电科大数据研究院有限公司

申请日：2023-11-29

公开（公告）日：2024-03-12

公开（公告）号：CN117315379B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/778

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2024.01.16#实质审查的生效;2023.12.29#公开

摘要：本发明公开了一种面向深度学习的医学影像分类模型公平性评估方法及装置，该方法包括：采集患者X光影像，所述患者X光影像中包括一个或多个标签；构造单标签二分类数据集，并将所述单标签二分类数据集分为训练数据集和测试数据集；所述单标签二分类数据集中的数据样本包括患者身份信息；利用所述训练数据集训练得到基于深度学习的患病预测模型；利用所述测试数据集对所述患病预测模型进行测试，得到测试结果；根据所述测试结果确定模型的公平性。利用本发明方案，可以有效地评估模型的公平性。

主权项：1.一种面向深度学习的医学影像分类模型公平性评估方法，其特征在于，所述方法包括：采集患者X光影像，所述患者X光影像中包括一个或多个标签；构造单标签二分类数据集，并将所述单标签二分类数据集分为训练数据集和测试数据集；所述单标签二分类数据集中的数据样本包括患者身份信息；利用所述训练数据集训练得到基于深度学习的患病预测模型；利用所述测试数据集对所述患病预测模型进行测试，得到测试结果；根据所述测试结果确定模型的公平性；所述构造单标签二分类数据集包括：从所述患者X光影像中筛选出具有设定标签的X光影像，生成二分类数据集；所述设定标签用于标识所述患者是否患有设定疾病；以患者编号为主键进行多表关联，获得所述二分类数据集中各患者的相关信息；所述相关信息包括：患者X光影像、患病信息、以及身份信息；对所述设定标签进行编码，得到编码信息；根据所述二分类数据集及所述编码信息构造单标签二分类数据集，所述单标签二分类数据集中的每一条数据样本包括：所述X光影像信息、患者信息、以及所述设定标签的编码信息；所述身份信息中包括多种不同敏感属性；所述根据所述测试结果确定模型的公平性包括：对不同敏感属性及敏感属性组合分别计算加权误分类率；根据所述加权误分类率确定模型的公平性；按以下方式计算各组的加权误分类率： 其中，是组的假阳数量，是组的假阴数量，是组的观测次数；是表示假阳性严重程度的假阳性权重，是确保所述加权误分类率∈[0,1]的归一化常数。

全文数据：

权利要求：

百度查询： 中电科大数据研究院有限公司 面向深度学习的医学影像分类模型公平性评估方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD