論文の概要: Detection of Pitt-Hopkins Syndrome based on morphological facial
features
- arxiv url: http://arxiv.org/abs/2003.08229v2
- Date: Thu, 19 Mar 2020 08:43:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-22 12:41:35.627410
- Title: Detection of Pitt-Hopkins Syndrome based on morphological facial
features
- Title（参考訳）: 顔面形態からみたPitt-Hopkins症候群の検出
- Authors: Elena D'Amato, Constantino Carlos Reyes-Aldasoro, Maria Felicia
Faienza, Marcella Zollino
- Abstract要約: 本研究は、Pitt-Hopkins症候群(PTHS)と健康な個人を識別する自動手法について述べる。
健常者71名,健常者55名を対象に実験を行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This work describes an automatic methodology to discriminate between
individuals with the genetic disorder Pitt-Hopkins syndrome (PTHS), and healthy
individuals. As input data, the methodology accepts unconstrained frontal
facial photographs, from which faces are located with Histograms of Oriented
Gradients features descriptors. Pre-processing steps of the methodology consist
of colour normalisation, scaling down, rotation, and cropping in order to
produce a series of images of faces with consistent dimensions. Sixty eight
facial landmarks are automatically located on each face through a cascade of
regression functions learnt via gradient boosting to estimate the shape from an
initial approximation. The intensities of a sparse set of pixels indexed
relative to this initial estimate are used to determine the landmarks. A set of
carefully selected geometric features, for example, relative width of the
mouth, or angle of the nose, are extracted from the landmarks. The features are
used to investigate the statistical differences between the two populations of
PTHS and healthy controls. The methodology was tested on 71 individuals with
PTHS and 55 healthy controls. Two geometric features related to the nose and
mouth showed statistical difference between the two populations.
- Abstract（参考訳）: 本研究は、遺伝的障害のpit-hopkins症候群(pths)と健康な個体を識別する自動手法について述べる。
入力データとして、この手法は制約のない正面顔写真を受け取り、顔は向き付けグラディエントのヒストグラムで示される。
この手法の前処理ステップは、一貫した次元の一連の顔画像を生成するために、色正規化、スケールダウン、回転、クロッピングからなる。
顔のランドマークは、グラデーションブースティングによって学習された回帰関数のカスケードを通じて自動的に各顔に配置され、初期近似から形状を推定する。
この初期推定値に比例してインデックスされたスパースピクセルの強度を用いてランドマークを決定する。
ランドマークから、口の相対的な幅や鼻の角度など、慎重に選択された幾何学的特徴のセットを抽出する。
これらの特徴は、PTHSの2つの集団と健康管理の統計的差異を調べるために使用される。
pthsと55の正常なコントロールを持つ71名を対象に実験を行った。
鼻と口に関する2つの幾何学的特徴は,両群間の統計的差異を示した。
関連論文リスト
- Exploring a Multimodal Fusion-based Deep Learning Network for Detecting Facial Palsy [3.2381492754749632]
本稿では,非構造化データと構造化データを用いて顔の麻痺を検知する多モード融合に基づくディープラーニングモデルを提案する。
我々のモデルはリコールスコアの減少を犠牲にして精度を77.05にわずかに改善した。
論文 参考訳（メタデータ） (2024-05-26T09:16:34Z) - COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
顔偽造認識法は一度に1つの顔しか処理できない。
ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。
マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
論文 参考訳（メタデータ） (2023-08-03T03:37:13Z) - Unsupervised Anomaly Appraisal of Cleft Faces Using a StyleGAN2-based
Model Adaptation Technique [5.224306534441244]
本稿では,人間の顔における先天性唇裂の異常を一貫して検出し,局所化し,評価する新しい機械学習フレームワークを提案する。
提案手法では, モデル適応を用いたStyleGAN2生成対向ネットワークを用いて, 口蓋裂に影響を及ぼした顔の正規化変換を行う。
提案したコンピュータモデルによる異常スコアは、人間の顔の違いのレーティングと密接に相関しており、ピアソンのrスコアは0.942であった。
論文 参考訳（メタデータ） (2022-11-12T13:30:20Z) - Few-Shot Meta Learning for Recognizing Facial Phenotypes of Genetic
Disorders [55.41644538483948]
分類の自動化と類似性検索は、医師が可能な限り早期に遺伝状態の診断を行うための意思決定を支援する。
従来の研究は分類問題としてこの問題に対処し、深層学習法を用いてきた。
本研究では,健常人の大規模なコーパスで訓練した顔認識モデルを用いて,顔の表情認識に移行した。
論文 参考訳（メタデータ） (2022-10-23T11:52:57Z) - Benchmarking Joint Face Spoofing and Forgery Detection with Visual and
Physiological Cues [81.15465149555864]
視覚的外観と生理的rcuesを用いた第1回関節スプーフィングおよび検出ベンチマークを作成した。
r周期性判別を強化するために,顔の強信号マップと連続ウェーブレットを入力として変換した2分岐生理ネットワークを設計した。
論文 参考訳（メタデータ） (2022-08-10T15:41:48Z) - Real-Time Facial Expression Recognition using Facial Landmarks and
Neural Networks [0.0]
本稿では,特徴抽出,7つの感情の分類,表情認識をリアルタイムに行うアルゴリズムを提案する。
前処理アルゴリズムに基づいてマルチ層パーセプトロンニューラルネットワークをトレーニングする。
3層はこれらの特徴ベクトルを使って訓練され、テストセットでは96%の精度が得られた。
論文 参考訳（メタデータ） (2022-01-31T21:38:30Z) - Pro-UIGAN: Progressive Face Hallucination from Occluded Thumbnails [53.080403912727604]
Inpainting Generative Adversarial Network, Pro-UIGANを提案する。
顔の形状を利用して、隠された小さな顔の補充とアップサンプリング(8*)を行う。
Pro-UIGANは、HR面を視覚的に満足させ、下流タスクにおいて優れたパフォーマンスを達成する。
論文 参考訳（メタデータ） (2021-08-02T02:29:24Z) - Robust Face-Swap Detection Based on 3D Facial Shape Information [59.32489266682952]
顔のスワップ画像やビデオは、悪意ある攻撃者を惹きつけ、重要な人物の信用を損ねている。
以前のピクセルレベルのアーティファクトに基づく検出技術は、常に不明瞭なパターンにフォーカスするが、利用可能なセマンティックなヒントは無視する。
キーフィギュアの顔・スワップ検出のための外観・形状特徴をフル活用するための生体情報に基づく手法を提案する。
論文 参考訳（メタデータ） (2021-04-28T09:35:48Z) - Automatic Quantification of Facial Asymmetry using Facial Landmarks [0.0]
片側の顔面麻痺は顔の側面の顔面の筋肉の不均一な運動を引き起こす。
本稿では,正面面に対する客観的かつ定量的な非対称性スコアを提供する新しい手法を提案する。
論文 参考訳（メタデータ） (2021-03-20T00:08:37Z) - Facial Manipulation Detection Based on the Color Distribution Analysis
in Edge Region [0.5735035463793008]
操作画像におけるエッジの垂直領域の色分布解析に基づく、一般化された、ロバストな顔操作検出手法を提案する。
本手法は, 各種データセットにおける合成顔画像の検出において, トレーニングに係わるか否かに関わらず, 既存の顔画像検出方法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-02-02T08:19:35Z) - Unsupervised Learning Facial Parameter Regressor for Action Unit
Intensity Estimation via Differentiable Renderer [51.926868759681014]
骨駆動型顔モデル(BDFM)に基づいて,異なる視点で顔パラメータを予測する枠組みを提案する。
提案するフレームワークは,特徴抽出器,ジェネレータ,顔パラメータ回帰器から構成される。
論文 参考訳（メタデータ） (2020-08-20T09:49:13Z)
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。