PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.07717v1cs.LG

롱테일 흉부 X선 분류에서 누가 놓치는가? 임계값 기반 서브그룹 과소진단 분석

Who Gets Missed in the Tail? Thresholded Subgroup Underdiagnosis in Long-Tailed Chest X-ray Classification

롱테일 흉부 X선(CXR) 분류 모델에서 높은 랭킹 성능에도 불구하고 희귀 양성 환자가 임계값 이하로 누락되는 서브그룹별 과소진단 문제를 분석하며, 그룹-테일 가중치(group-tail weighting)와 테일 인식 임계값(tail-aware thresholding)을 결합하여 VinDr-CXR 기준 테일 거짓 음성률(FNR)을 0.665에서 0.269로, 성별·연령 최악 그룹 FNR을 각각 0.157, 0.133까지 대폭 낮출 수 있음을 보인다. 이 연구는 CXR 공정성(fairness)이 레이블 빈도나 랭킹 지표만으로 결정되지 않고, 소견·서브그룹·운영 임계값의 조합에 공동으로 의존함을 VinDr-CXR 및 MIMIC-CXR/CXR-LT 두 코호트에서 실증적으로 확인한다.

arXiv:2606.12615v1cs.LG

증명 가능한 공정한 머신러닝을 향하여: 일관적이고 투명한 예측을 위한 베이지안 접근법

Towards Provably Fair Machine Learning: Bayesian Approaches For Consistent and Transparent Predictions

세분화된 하위 그룹에서 데이터와 모순되는 예측 문제를 해결하기 위해 결정론과 통계적 일관성을 강제하고 불가능 시 예측을 보류하는 Fair Bayesian 분류기를 제안한다. 이 방법은 벤치마크 데이터셋에서 기존 모델보다 높은 정확도를 보이며 일관성 오류를 0으로 달성하여 포괄적인 공정성을 실현함을 입증했다.