This work proposes an ethical framework that highlights possible ethical risks in the design and use of deep-learning-based vision systems for monitoring infants’ movements in neonatal intensive care units. We discuss biases and ways to mitigate them for promoting accountable systems in clinical practice.

Accountable Deep-Learning-Based Vision Systems for Preterm Infant Monitoring

Simona Tiribelli;Alessandro Cacciatore;Benedetta Giovanola;Emanuele Frontoni;
2023-01-01

Abstract

This work proposes an ethical framework that highlights possible ethical risks in the design and use of deep-learning-based vision systems for monitoring infants’ movements in neonatal intensive care units. We discuss biases and ways to mitigate them for promoting accountable systems in clinical practice.
2023
IEEE
Internazionale
File in questo prodotto:
File Dimensione Formato  
Accountable_Deep-Learning-Based_Vision_Systems_for_Preterm_Infant_Monitoring.pdf

solo utenti autorizzati

Tipologia: Versione editoriale (versione pubblicata con il layout dell'editore)
Licenza: DRM non definito
Dimensione 2.2 MB
Formato Adobe PDF
2.2 MB Adobe PDF   Visualizza/Apri   Richiedi una copia

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11393/310590
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus 1
  • ???jsp.display-item.citation.isi??? 1
social impact