• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

粗粒度种族和族裔标签掩盖了深度学习模型在胸部 X 光诊断中对粒度诊断不足差异的掩盖。

Coarse Race and Ethnicity Labels Mask Granular Underdiagnosis Disparities in Deep Learning Models for Chest Radiograph Diagnosis.

机构信息

From the University of Maryland Medical Intelligent Imaging (UM2ii) Center, University of Maryland School of Medicine, 670 W Baltimore St, First Floor, Room 1172, Baltimore, MD 21201 (P.B., S.P.G., P.K., A.K., V.S.P., P.H.Y.); Johns Hopkins University School of Medicine, Baltimore, Md (P.B.); Uniformed Services University of the Health Sciences, Bethesda, Md (S.P.G.); and Department of Biomedical Engineering, Johns Hopkins University, Baltimore, Md (J.S.).

出版信息

Radiology. 2023 Nov;309(2):e231693. doi: 10.1148/radiol.231693.

DOI:10.1148/radiol.231693
PMID:37934094
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC10698499/
Abstract

See also the editorial by Nikolic in this issue.

摘要

另见本期 Nikolic 的社论。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7d02/10698499/13ac610642bc/radiol.231693.VA.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7d02/10698499/13ac610642bc/radiol.231693.VA.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7d02/10698499/13ac610642bc/radiol.231693.VA.jpg

相似文献

1
Coarse Race and Ethnicity Labels Mask Granular Underdiagnosis Disparities in Deep Learning Models for Chest Radiograph Diagnosis.粗粒度种族和族裔标签掩盖了深度学习模型在胸部 X 光诊断中对粒度诊断不足差异的掩盖。
Radiology. 2023 Nov;309(2):e231693. doi: 10.1148/radiol.231693.
2
Demographic Reporting in Publicly Available Chest Radiograph Data Sets: Opportunities for Mitigating Sex and Racial Disparities in Deep Learning Models.公开可用的胸部 X 光数据集的人口统计学报告：在深度学习模型中减轻性别和种族差异的机会。
J Am Coll Radiol. 2022 Jan;19(1 Pt B):192-200. doi: 10.1016/j.jacr.2021.08.018.
3
Thorax-Net: An Attention Regularized Deep Neural Network for Classification of Thoracic Diseases on Chest Radiography.Thorax-Net：一种基于注意力正则化的深度学习神经网络，用于胸部 X 射线影像中胸部疾病的分类。
IEEE J Biomed Health Inform. 2020 Feb;24(2):475-485. doi: 10.1109/JBHI.2019.2928369. Epub 2019 Jul 12.
4
Evaluating the Performance and Bias of Natural Language Processing Tools in Labeling Chest Radiograph Reports.评估自然语言处理工具在标注胸部 X 光报告中的性能和偏差。
Radiology. 2024 Oct;313(1):e232746. doi: 10.1148/radiol.232746.
5
Deep Learning Analysis of Chest Radiographs to Triage Patients with Acute Chest Pain Syndrome.深度学习分析胸部 X 光片对急性胸痛综合征患者进行分诊。
Radiology. 2023 Feb;306(2):e221926. doi: 10.1148/radiol.221926. Epub 2023 Jan 17.
6
Automated estimation of total lung volume using chest radiographs and deep learning.利用胸部 X 光片和深度学习自动估算全肺容积。
Med Phys. 2022 Jul;49(7):4466-4477. doi: 10.1002/mp.15655. Epub 2022 Apr 18.
7
Detecting Racial/Ethnic Health Disparities Using Deep Learning From Frontal Chest Radiography.基于 frontal chest radiography 利用深度学习技术检测种族/民族健康差异
J Am Coll Radiol. 2022 Jan;19(1 Pt B):184-191. doi: 10.1016/j.jacr.2021.09.010.
8
Predicting Patient Demographics From Chest Radiographs With Deep Learning.利用深度学习预测胸部 X 光片的患者特征。
J Am Coll Radiol. 2022 Oct;19(10):1151-1161. doi: 10.1016/j.jacr.2022.06.008. Epub 2022 Aug 11.
9
Chest Radiograph Interpretation with Deep Learning Models: Assessment with Radiologist-adjudicated Reference Standards and Population-adjusted Evaluation.深度学习模型在胸部 X 线片解读中的应用：使用经过放射科医师裁定的参考标准和人群校正评估进行评估。
Radiology. 2020 Feb;294(2):421-431. doi: 10.1148/radiol.2019191293. Epub 2019 Dec 3.
10
Deep Learning Detection of Active Pulmonary Tuberculosis at Chest Radiography Matched the Clinical Performance of Radiologists.深度学习在胸部 X 光摄影检测活动性肺结核的表现与放射科医生相当。
Radiology. 2023 Jan;306(1):124-137. doi: 10.1148/radiol.212213. Epub 2022 Sep 6.

引用本文的文献

1
A Practical Guide to Evaluating Artificial Intelligence Imaging Models in Scientific Literature.科学文献中人工智能成像模型评估实用指南。
Ophthalmol Sci. 2025 Jun 9;5(6):100847. doi: 10.1016/j.xops.2025.100847. eCollection 2025 Nov-Dec.
2
Deep learning for pediatric chest x-ray diagnosis: Repurposing a commercial tool developed for adults.用于儿科胸部X光诊断的深度学习：重新利用为成人开发的商业工具。
PLoS One. 2025 Jul 24;20(7):e0328295. doi: 10.1371/journal.pone.0328295. eCollection 2025.
3
Pitfalls and Best Practices in Evaluation of AI Algorithmic Biases in Radiology.

本文引用的文献

1
Underdiagnosis bias of artificial intelligence algorithms applied to chest radiographs in under-served patient populations.人工智能算法应用于服务不足患者人群的胸部 X 光片时的漏诊偏倚。
Nat Med. 2021 Dec;27(12):2176-2182. doi: 10.1038/s41591-021-01595-0. Epub 2021 Dec 10.
2
MIMIC-CXR, a de-identified publicly available database of chest radiographs with free-text reports.MIMIC-CXR，一个去标识化的、公开可用的、包含自由文本报告的胸部 X 光数据库。
Sci Data. 2019 Dec 12;6(1):317. doi: 10.1038/s41597-019-0322-0.
3
Genetic variation, classification and 'race'.
放射学中人工智能算法偏差评估的陷阱与最佳实践
Radiology. 2025 May;315(2):e241674. doi: 10.1148/radiol.241674.
4
Children Are Not Small Adults: Addressing Limited Generalizability of an Adult Deep Learning CT Organ Segmentation Model to the Pediatric Population.儿童并非缩小版成人：解决成人深度学习CT器官分割模型对儿科人群适用性有限的问题。
J Imaging Inform Med. 2025 Jun;38(3):1628-1641. doi: 10.1007/s10278-024-01273-w. Epub 2024 Sep 19.
基因变异、分类与“种族”
Nat Genet. 2004 Nov;36(11 Suppl):S28-33. doi: 10.1038/ng1435.