Gradient Reversal Learning

量子机器学习模型在医疗影像中接受公平性审计

研究人员对用于医疗影像的量子机器学习（QML）模型进行了公平性审计，发现虽然QML可以达到有竞争力的性能，但它在敏感亚群体中仍可能表现出差异。该研究在皮肤病学和胸部X光数据集上评估了经典和量子分类器，并采用了公平性指标如均衡赔率正则化和梯度反转学习等缓解技术。结果表明，公平性改进有时会以牺牲整体性能为代价，并且缓解策略的有效性取决于具体的模型和数据集。论文总结认为，在医疗应用中，面向亚群体的经验性评估对于QML至关重要。