論文の概要: Dynamic multi-object Gaussian process models: A framework for
data-driven functional modelling of human joints
- arxiv url: http://arxiv.org/abs/2001.07904v1
- Date: Wed, 22 Jan 2020 07:57:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-07 18:40:20.089733
- Title: Dynamic multi-object Gaussian process models: A framework for
data-driven functional modelling of human joints
- Title（参考訳）: 動的多対象ガウス過程モデル:ヒト関節のデータ駆動機能モデリングのためのフレームワーク
- Authors: Jean-Rassaire Fouefack, Bhushan Borotikar, Tania S. Douglas, Val\'erie
Burdin and Tinashe E.M. Mutsvangwa
- Abstract要約: 形状とポーズを結合する原則的かつ堅牢な方法が,3つの主要な問題によって明らかになってきた。
本研究では,人体関節解析のための動的多目的統計モデリングフレームワークを提案する。
このフレームワークは、生物学的関節のための効率的な生成動的マルチオブジェクトモデリングプラットフォームを提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Statistical shape models (SSMs) are state-of-the-art medical image analysis
tools for extracting and explaining features across a set of biological
structures. However, a principled and robust way to combine shape and pose
features has been illusive due to three main issues: 1) Non-homogeneity of the
data (data with linear and non-linear natural variation across features), 2)
non-optimal representation of the $3D$ motion (rigid transformation
representations that are not proportional to the kinetic energy that move an
object from one position to the other), and 3) artificial discretization of the
models. In this paper, we propose a new framework for dynamic multi-object
statistical modelling framework for the analysis of human joints in a
continuous domain. Specifically, we propose to normalise shape and dynamic
spatial features in the same linearized statistical space permitting the use of
linear statistics; we adopt an optimal 3D motion representation for more
accurate rigid transformation comparisons; and we provide a 3D shape and pose
prediction protocol using a Markov chain Monte Carlo sampling-based fitting.
The framework affords an efficient generative dynamic multi-object modelling
platform for biological joints. We validate the framework using a controlled
synthetic data. Finally, the framework is applied to an analysis of the human
shoulder joint to compare its performance with standard SSM approaches in
prediction of shape while adding the advantage of determining relative pose
between bones in a complex. Excellent validity is observed and the shoulder
joint shape-pose prediction results suggest that the novel framework may have
utility for a range of medical image analysis applications. Furthermore, the
framework is generic and can be extended to n$>$2 objects, making it suitable
for clinical and diagnostic methods for the management of joint disorders.
- Abstract（参考訳）: 統計形状モデル (SSMs) は、一連の生物学的構造から特徴を抽出し説明するための最先端の医療画像解析ツールである。
しかし、形状とポーズを合体させる原則的で堅牢な方法が3つの主要な問題によって明らかになっている。
1)データの非均質性(特徴間の線形および非線形自然変動を伴うデータ)
2)3ドル運動の最適でない表現(物体をある位置から他の位置に移動する運動エネルギーに比例しない剛体変換表現)、
3)モデルの人工的な離散化。
本稿では,連続領域におけるヒト関節の解析のための動的多目的統計モデリングフレームワークを提案する。
具体的には,線形統計量を用いた同一線形化統計空間における形状と動的空間の特徴を正規化すること,より正確な剛性変換比較のために最適な3次元運動表現を採用すること,マルコフ連鎖モンテカルロサンプリングを用いた3次元形状とポーズ予測プロトコルを提案する。
このフレームワークは、生物学的関節のための効率的な生成動的マルチオブジェクトモデリングプラットフォームを提供する。
制御された合成データを用いてフレームワークを検証する。
最後に、骨間の相対的なポーズを決定する利点を加えつつ、形状予測における標準的なssmアプローチとの性能を比較するために、ヒト肩関節の分析に適用する。
優れた妥当性が観察され,肩関節形状予測の結果から,新しい枠組みが医療画像解析に有効である可能性が示唆された。
さらに、フレームワークは汎用的で、n$>$2オブジェクトに拡張することができ、関節疾患の管理のための臨床および診断方法に適している。
関連論文リスト
- Optimization-Driven Statistical Models of Anatomies using Radial Basis Function Shape Representation [3.743399165184124]
粒子に基づく形状モデリングは、解剖学の個体群における形状変数の定量化に一般的な手法である。
本稿では,従来の最適化手法を用いて,モデルの特徴をより正確に制御する手法を提案する。
本研究では,2つの実データに対する最先端手法の有効性を実証し,損失選択を実証的に正当化する。
論文 参考訳（メタデータ） (2024-11-24T15:43:01Z) - An End-to-End Deep Learning Generative Framework for Refinable Shape
Matching and Generation [45.820901263103806]
In-Silico Clinical Trials (ISCTs) の必要条件としての形状生成モデルの構築
本研究では,非教師なしの幾何学的深層学習モデルを構築し,潜在空間における補修可能な形状対応を確立する。
提案するベースモデルを,より可変性を高めるために,結合形状生成クラスタリングマルチアトラスフレームワークに拡張する。
論文 参考訳（メタデータ） (2024-03-10T21:33:53Z) - Synthetic location trajectory generation using categorical diffusion
models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。
本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文 参考訳（メタデータ） (2024-02-19T15:57:39Z) - Unsupervised 3D Pose Estimation with Non-Rigid Structure-from-Motion
Modeling [83.76377808476039]
本研究では,人間のポーズの変形をモデル化し,それに伴う拡散に基づく動きを事前に設計する手法を提案する。
動作中の3次元人間の骨格を復元する作業は3次元基準骨格の推定に分割する。
混合時空間NASfMformerを用いて、各フレームの3次元基準骨格と骨格変形を2次元観測シーケンスから同時に推定する。
論文 参考訳（メタデータ） (2023-08-18T16:41:57Z) - Sparse Graphical Linear Dynamical Systems [1.6635799895254402]
時系列データセットは機械学習の中心であり、科学と工学の様々な分野に応用されている。
本研究は,共同グラフィカル・モデリング・フレームワークを導入することでギャップを埋める新しい手法を提案する。
本稿では,DGLASSOを提案する。DGLASSO,DGLASSO,DGLASSO,DGLASSO,DGLASSO,DGLASSO,DGLASSO,DGLASSO,DGLASSO,DGLASSO。
論文 参考訳（メタデータ） (2023-07-06T14:10:02Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z) - Dynamic multi feature-class Gaussian process models [0.0]
本研究では, 医用画像における形状, ポーズ, 強度特徴の自動学習のための統計的モデリング手法を提案する。
DMFC-GPM (DMFC-GPM) はガウス過程(GP)に基づくモデルであり、線形および非線形の変動を符号化する潜在空間を共有する。
モデル性能の結果は、この新しいモデリングパラダイムが堅牢で、正確で、アクセス可能であり、潜在的な応用があることを示唆している。
論文 参考訳（メタデータ） (2021-12-08T15:12:47Z) - LatentHuman: Shape-and-Pose Disentangled Latent Representation for Human
Bodies [78.17425779503047]
本稿では,人体に対する新しい暗黙の表現法を提案する。
完全に微分可能で、非交叉形状で最適化可能であり、潜在空間を映し出す。
我々のモデルは、よく設計された損失を伴う、水密でない生データを直接訓練し、微調整することができる。
論文 参考訳（メタデータ） (2021-11-30T04:10:57Z) - Dynamical Deep Generative Latent Modeling of 3D Skeletal Motion [15.359134407309726]
本モデルでは,高度に相関した骨格データを時間的変化の空間的基礎の集合に分解する。
これにより、3次元ポーズデータのダイナミックスにおいて意味のある内在状態を解析する動的深部生成潜在モデルが得られる。
論文 参考訳（メタデータ） (2021-06-18T23:58:49Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳（メタデータ） (2020-06-11T17:29:53Z) - Monocular Human Pose and Shape Reconstruction using Part Differentiable
Rendering [53.16864661460889]
近年の研究では、3次元基底真理によって教師されるディープニューラルネットワークを介してパラメトリックモデルを直接推定する回帰に基づく手法が成功している。
本稿では,ボディセグメンテーションを重要な監視対象として紹介する。
部分分割による再構成を改善するために,部分分割により部分ベースモデルを制御可能な部分レベル微分可能部を提案する。
論文 参考訳（メタデータ） (2020-03-24T14:25:46Z)
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。