نویسندگان:
(1) Samia Belhadj∗، Lunit Inc.، سئول، جمهوری کره ([email protected])
(2) پارک سنگوک [0009 −0005 −0538 −5522]*، شرکت Lunit، سئول، جمهوری کره ([email protected])
(3) Ambika Seth، Lunit Inc.، سئول، جمهوری کره ([email protected])
(۴) هشام در [0009 −0003 −6458 −2097]Lunit Inc., Seoul, جمهوری کره ([email protected])
(5) ثیج کوی [0009 −0003 −6458 −2097]Kooi, Lunit Inc., Seoul, جمهوری کره ([email protected]).
جدول پیوندها
-
چکیده و مقدمه
-
کار مرتبط
-
روش ها
3.1 انصاف با جمع مثبت
3.2 کاربرد
-
آزمایشات
4.1 نتایج اولیه
4.2 انصاف با جمع مثبت
-
نتیجه گیری و مراجع
چکیده. انصاف در هوش مصنوعی پزشکی به طور فزاینده ای به عنوان یک جنبه حیاتی در ارائه مراقبت های بهداشتی شناخته می شود. در حالی که بیشتر کارهای قبلی انجام شده در مورد انصاف بر اهمیت عملکرد یکسان تأکید می کند، ما استدلال می کنیم که کاهش در انصاف می تواند مضر یا غیر مضر باشد، بسته به نوع تغییر و نحوه استفاده از ویژگی های حساس. برای این منظور، مفهوم انصاف با مجموع مثبت را معرفی میکنیم، که بیان میکند که افزایش عملکرد که منجر به نابرابری گروهی بزرگتر میشود، تا زمانی که به قیمت عملکرد زیرگروههای فردی تمام نشود، قابل قبول است. این اجازه می دهد …