本文研究了深度分类器的性能差异，发现分类器在医学成像和保护特性方面将个体分为子群的能力存在显著差异，并且这一特性对算法偏见具有预测作用。通过理论分析和经验评估，发现子群分离性、子群差异以及训练数据中的系统偏差会导致性能下降。这些发现为理解模型偏见提供了新视角，并为公平的医学成像人工智能的发展提供了重要见解。