首页> 美国卫生研究院文献>Insights into Imaging >Not all biases are bad: equitable and inequitable biases in machine learning and radiology

【2h】

Not all biases are bad: equitable and inequitable biases in machine learning and radiology

机译：并非所有的偏见都很糟糕：机器学习和放射学中公平和不公平的偏见

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

摘要
著录项
相似文献
相关主题

摘要

Different types of bias in healthcare (authors’ depiction; see also [20, 33])

机译：医疗保健（作者描绘的不同类型的偏见;另见[20,33]）

著录项

期刊名称 Insights into Imaging
作者
Mirjam Pot; Nathalie Kieusseyan; Barbara Prainsack;
展开▼
作者单位

展开▼
年(卷),期 2021(-1),-1
年度 2021
页码 -1
总页数 10
原文格式 PDF
正文语种
中图分类
关键词
Radiology; Machine learning; Equity; Bias; Ethics;

机译：放射学;机器学习;股权;偏见;道德;

相似文献

外文文献
中文文献
专利

1. Not all biases are bad: equitable and inequitable biases in machine learning and radiology [J] . Mirjam Pot, Nathalie Kieusseyan, Barbara Prainsack Insights into Imaging . 2021,第1期

机译：并非所有的偏见都很糟糕：机器学习和放射学中公平和不公平的偏见
2. A machine learning model with human cognitive biases capable of learning from small and biased datasets [J] . Hidetaka Taniguchi, Hiroshi Sato, Tomohiro Shirakawa Scientific reports. . 2018,第1期

机译：具有人类认知偏见的机器学习模型能够从小的偏见数据集中学习
3. Integrating case-based learning and cognitive biases for machine learning of natural language [J] . Claire Cardie Journal of experimental and theoretical artificial intelligence (Online) . 1999,第3期

机译：整合基于案例的学习和认知偏见以自然语言进行机器学习
4. Generative Adversarial Networks for Mitigating Biases in Machine Learning Systems [C] . Adel Abusitta, Esma Aimeur, Omar Abdel Wahab European Conference on Artificial Intelligence;Conference on Prestigious Applications of Intelligent Systems . 2020

机译：用于减轻机器学习系统偏差的生成对抗网络
5. Subjective Moral Biases & Fallacies: Developing Scientifically & Practically Adequate Moral Analogues of Cognitive Heuristics & Biases [D] . Herman, Mark. 2019

机译：主观的道德偏差与谬误 - 科学习惯的认知启发式和偏见的道德类似物
6. Letter to the editor: Not all biases are bad: equitable and inequitable biases in machine learning and radiology [O] . Antoine Iannessi, Hubert Beaumont, Anne Sophie Bertrand 2021

机译：给编辑的信：并非所有的偏见都很糟糕：机器学习和放射学中公平和不公平的偏见
7. Integrating Case-Based Learning and Cognitive Biases for Machine Learning of Natural Language [O] . Claire Cardie 1999

机译：整合基于案例的学习和认知偏向以自然语言进行机器学习

Not all biases are bad: equitable and inequitable biases in machine learning and radiology

摘要

著录项

相似文献

相关主题

期刊订阅