論文の概要: Towards a Governance Framework for Brain Data

• arxiv url: http://arxiv.org/abs/2109.11960v2
• Date: Tue, 28 Sep 2021 12:21:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-13 20:57:28.485337
• Title: Towards a Governance Framework for Brain Data
• Title（参考訳）: 脳データのガバナンスフレームワークを目指して
• Authors: Marcello Ienca, Joseph J. Fins, Ralf J. Jox, Fabrice Jotterand, Silja Voeneky, Roberto Andorno, Tonio Ball, Claude Castelluccia, Ricardo Chavarriaga, Herv\'e Chneiweiss, Agata Ferretti, Orsolya Friedrich, Samia Hurst, Grischa Merkel, Fruzsina Molnar-Gabor, Jean-Marc Rickli, James Scheibner, Effy Vayena, Rafael Yuste, Philipp Kellmeyer
• Abstract要約: 我々は、脳データ取得と処理の独特な倫理的意味を識別する。 このフレームワークは、脳データ収集の促進と科学と医学のさらなる処理の利点を最大化することを目的としている。 この枠組みは、規制介入の4つの主要な領域で構成されている: 拘束規制、倫理とソフト・ロー、責任ある革新、人権である。
• 参考スコア（独自算出の注目度）: 3.2338938021059325
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing availability of brain data within and outside the biomedical field, combined with the application of artificial intelligence (AI) to brain data analysis, poses a challenge for ethics and governance. We identify distinctive ethical implications of brain data acquisition and processing, and outline a multi-level governance framework. This framework is aimed at maximizing the benefits of facilitated brain data collection and further processing for science and medicine whilst minimizing risks and preventing harmful use. The framework consists of four primary areas of regulatory intervention: binding regulation, ethics and soft law, responsible innovation, and human rights.
• Abstract（参考訳）: バイオメディカル分野内外における脳データの利用が増加し、人工知能(AI)の脳データ分析への応用と相まって、倫理とガバナンスの課題となっている。 我々は、脳データ取得と処理の独特な倫理的意味を特定し、マルチレベルガバナンスフレームワークの概要を述べる。 この枠組みは、リスクを最小化し有害な使用を防止しつつ、脳データ収集の促進と科学・医学のさらなる処理の恩恵を最大化することを目的としている。 この枠組みは規制介入の4つの主要な領域から成り、規制の拘束、倫理とソフトロー、責任あるイノベーション、人権である。

関連論文リスト

• The Interplay of Computing, Ethics, and Policy in Brain-Computer Interface Design [3.8432655123359574]
  脳-コンピュータインターフェース(BCI)は、脳内の生物学的ニューロンと人工装具やコンピュータなどの外部システムとを接続する。 本稿では、倫理的、法的、政策的な考察がBCIアーキテクチャ設計をいかに形成するかを述べる。
  論文  参考訳（メタデータ） (2024-09-26T00:34:23Z)
• Knowledge-Guided Prompt Learning for Lifespan Brain MR Image Segmentation [53.70131202548981]
  本稿では,脳MRIにKGPL(Knowledge-Guided Prompt Learning)を用いた2段階のセグメンテーションフレームワークを提案する。 具体的には,大規模データセットと準最適ラベルを用いたトレーニング前セグメンテーションモデルについて述べる。 知識的プロンプトの導入は、解剖学的多様性と生物学的プロセスの間の意味的関係を捉えている。
  論文  参考訳（メタデータ） (2024-07-31T04:32:43Z)
• AI-Driven Healthcare: A Survey on Ensuring Fairness and Mitigating Bias [2.398440840890111]
  AIアプリケーションは、診断精度、治療のパーソナライゼーション、患者の結果予測を大幅に改善した。 これらの進歩は、実質的な倫理的・公正性の課題ももたらした。 これらのバイアスは、医療提供の格差をもたらし、異なる人口集団の診断精度と治療結果に影響を与える可能性がある。
  論文  参考訳（メタデータ） (2024-07-29T02:39:17Z)
• Applications of Generative AI in Healthcare: algorithmic, ethical, legal and societal considerations [0.0]
  生成AIは、医療画像とテキスト分析を急速に変換している。 本稿では,正確性,インフォームドコンセント,データプライバシ,アルゴリズム制限の問題について検討する。 我々は、医療における生成AIの倫理的かつ責任ある実装のロードマップを策定することを目指している。
  論文  参考訳（メタデータ） (2024-06-15T13:28:07Z)
• MindBridge: A Cross-Subject Brain Decoding Framework [60.58552697067837]
  脳の復号化は、獲得した脳信号から刺激を再構築することを目的としている。 現在、脳の復号化はモデルごとのオブジェクトごとのパラダイムに限られている。 我々は,1つのモデルのみを用いることで,オブジェクト間脳デコーディングを実現するMindBridgeを提案する。
  論文  参考訳（メタデータ） (2024-04-11T15:46:42Z)
• An Explainable AI Framework for Artificial Intelligence of Medical Things [2.7774194651211217]
  我々はカスタムXAIフレームワークを活用し、LIME(Local Interpretable Model-Agnostic Explanations)、SHAP(SHapley Additive ExPlanations)、Grad-Cam(Grad-weighted Class Activation Mapping)といったテクニックを取り入れた。 提案手法は, 戦略的医療手法の有効性を高め, 信頼度を高め, 医療応用の理解を促進することを目的としている。 我々はXAIフレームワークを脳腫瘍検出に応用し,正確かつ透明な診断方法を示した。
  論文  参考訳（メタデータ） (2024-03-07T01:08:41Z)
• fMRI-PTE: A Large-scale fMRI Pretrained Transformer Encoder for Multi-Subject Brain Activity Decoding [54.17776744076334]
  本稿では,fMRI事前学習のための革新的オートエンコーダであるfMRI-PTEを提案する。 我々のアプローチでは、fMRI信号を統合された2次元表現に変換し、次元の整合性を確保し、脳の活動パターンを保存する。 コントリビューションには、fMRI-PTEの導入、革新的なデータ変換、効率的なトレーニング、新しい学習戦略、そして我々のアプローチの普遍的な適用性が含まれる。
  論文  参考訳（メタデータ） (2023-11-01T07:24:22Z)
• UniBrain: Universal Brain MRI Diagnosis with Hierarchical Knowledge-enhanced Pre-training [66.16134293168535]
  我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。 具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
  論文  参考訳（メタデータ） (2023-09-13T09:22:49Z)
• Brain Diffuser: An End-to-End Brain Image to Brain Network Pipeline [54.93591298333767]
  脳ディフューザー(Brain diffuser)は、拡散に基づくエンド・ツー・エンドの脳ネットワーク生成モデルである。 被験者間の構造的脳ネットワークの差異を分析することで、より構造的接続性や疾患関連情報を利用する。 アルツハイマー病の場合、提案モデルは、アルツハイマー病神経画像イニシアチブデータベース上の既存のツールキットの結果より優れている。
  論文  参考訳（メタデータ） (2023-03-11T14:04:58Z)
• Human-Centric Multimodal Machine Learning: Recent Advances and Testbed on AI-based Recruitment [66.91538273487379]
  人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。 i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。 異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
  論文  参考訳（メタデータ） (2023-02-13T16:44:44Z)
• In the realm of hybrid Brain: Human Brain and AI [0.0]
  現在の脳-コンピュータインターフェース(BCI)技術は主に治療結果に関するものである。 近年,脳信号のデコードには人工知能(AI)と機械学習(ML)技術が用いられている。 クローズドループ,インテリジェント,低消費電力,小型化されたニューラルインターフェースの開発を想定する。
  論文  参考訳（メタデータ） (2022-10-04T08:35:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。