医学图像前沿：公平性研究

✨✨ 欢迎大家来访Srlua的博文（づ￣3￣）づ╭❤～✨✨

🌟🌟 欢迎各位亲爱的读者，感谢你们抽出宝贵的时间来阅读我的文章。

我是Srlua小谢，在这里我会分享我的知识和经验。🎥

希望在这里，我们能一起探索IT世界的奥妙，提升我们的技能。🔮

记得先点赞👍后阅读哦~ 👏👏

📘📚 所属专栏：传知代码论文复现

欢迎访问我的主页：Srlua小谢 获取更多信息和资源。✨✨🌙🌙

​​

​​

目录

概述

方法详述

公平性缩放界限损失(Fair Error-Bound Scaling)

标准Dice

公平误差上界缩放Dice

公平性尺度指标（Equity-Scaled Metric for Fair Segmentation)

ESSP

实验复现

实验效果

复现过程

部署方式

---

   本文所有资源均可在该地址处获取。

概述

在眼科学中，盘杯分割充当了评估视神经头结构和早期阶段诊断青光眼的基本步骤。该任务的目标是从扫描激光眼底成像（SLO）中预测一个分割图，区分背景视盘和杯体。此任务的成功依赖于分割模型的准确分割。
这里提出的Fairseg框架致力于消除分割模型对不同人口群体的“歧视”，以确保其在不同群体上盘杯分割任务的公平性。
该篇文章还开源了第一个用于医疗图像分割公平性研究的大型数据集，我已经下载好，并将网盘链接放置在了附件当中。