論文の概要: Mini-DDSM: Mammography-based Automatic Age Estimation
- arxiv url: http://arxiv.org/abs/2010.00494v3
- Date: Tue, 24 Nov 2020 10:13:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-12 07:52:31.528248
- Title: Mini-DDSM: Mammography-based Automatic Age Estimation
- Title（参考訳）: Mini-DDSM:マンモグラフィーによる自動年齢推定
- Authors: Charitha Dissanayake Lekamlage, Fabia Afzal, Erik Westerberg, Abbas
Cheddad
- Abstract要約: 年齢推定のためのマンモグラムの研究は、私たちが知る限り、行われていない。
年齢属性を持つ公共マンモグラフィーデータセットが不足しているため、ウェブクローラを用いてサムネイルマンモグラフィー画像とその年齢フィールドをパブリックデータセットであるデジタル・データベース・フォー・スクリーニング・マンモグラフィーからダウンロードする。
その後、収集したデータセットから深層学習の特徴を抽出し、ランダムフォレスト回帰器を用いて年齢を自動的に推定するモデルを構築した。
- 参考スコア（独自算出の注目度）: 0.4932130498861986
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Age estimation has attracted attention for its various medical applications.
There are many studies on human age estimation from biomedical images. However,
there is no research done on mammograms for age estimation, as far as we know.
The purpose of this study is to devise an AI-based model for estimating age
from mammogram images. Due to lack of public mammography data sets that have
the age attribute, we resort to using a web crawler to download thumbnail
mammographic images and their age fields from the public data set; the Digital
Database for Screening Mammography. The original images in this data set
unfortunately can only be retrieved by a software which is broken.
Subsequently, we extracted deep learning features from the collected data set,
by which we built a model using Random Forests regressor to estimate the age
automatically. The performance assessment was measured using the mean absolute
error values. The average error value out of 10 tests on random selection of
samples was around 8 years. In this paper, we show the merits of this approach
to fill up missing age values. We ran logistic and linear regression models on
another independent data set to further validate the advantage of our proposed
work. This paper also introduces the free-access Mini-DDSM data set.
- Abstract（参考訳）: 年齢推定は様々な医学的応用で注目を集めている。
生体画像からの年齢推定には多くの研究がある。
しかし、我々が知る限り、年齢推定のためのマンモグラムの研究は行われていない。
本研究の目的は,マンモグラフィ画像から年齢を推定するAIモデルを構築することである。
年齢属性を持つ公共マンモグラフィーデータセットが不足しているため、ウェブクローラを用いてサムネイルマンモグラフィー画像とその年齢フィールドをパブリックデータセットであるDigital Database for Screeningマンモグラフィーからダウンロードする。
このデータセットのオリジナルのイメージは残念ながら、壊れているソフトウェアによってのみ検索できる。
その後,収集したデータセットから深層学習特徴を抽出し,ランダムフォレスト回帰器を用いて年齢を自動的に推定するモデルを構築した。
性能評価は平均絶対誤差値を用いて行った。
ランダムなサンプル選択における10試験中平均誤差値は8年程度であった。
本稿では,このアプローチが欠落年齢を満たす上でのメリットについて述べる。
別の独立したデータセット上でロジスティックおよび線形回帰モデルを実行し,提案手法の利点をさらに検証した。
本稿では,free-access mini-ddsmデータセットも紹介する。
関連論文リスト
- A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds [49.34500499203579]
変動型オートエンコーダ(VAE)ベースのモデルであるDemoVAEを作成し、人口統計学から fMRI の特徴を推定する。
ユーザが供給する人口動態に基づいて,高品質な合成fMRIデータを生成する。
論文 参考訳（メタデータ） (2024-05-13T17:49:20Z) - Estimating Remaining Lifespan from the Face [0.0]
顔は、人の生物学的年齢、性別、表現型、遺伝的欠陥、健康状態の推測に利用できる豊富な情報源である。
本研究では、自然災害で死亡した人物の24,000枚以上の画像と、画像の撮影から死亡までの年数に関するデータセットを収集した。
我々は、このデータに基づいて複数の畳み込みニューラルネットワーク(CNN)モデルを微調整し、VGGFaceを用いた検証データの平均絶対誤差を8.3年間達成した。
論文 参考訳（メタデータ） (2023-01-19T18:38:04Z) - Self-Supervised Learning as a Means To Reduce the Need for Labeled Data
in Medical Image Analysis [64.4093648042484]
胸部X線画像のデータセットとバウンディングボックスラベルを用いて,13種類の異常の分類を行った。
ラベル付きデータの平均精度と精度を60%に抑えることで,完全教師付きモデルと同等の性能が得られることを示す。
論文 参考訳（メタデータ） (2022-06-01T09:20:30Z) - Image Augmentation Using a Task Guided Generative Adversarial Network
for Age Estimation on Brain MRI [6.051767128521292]
本稿では,データ不足を克服するGANに基づく画像合成手法を提案する。
従来のGAN損失にタスク誘導損失を加えることで、学習された低次元潜在空間と合成画像はよりタスク固有となる。
提案手法は,深い畳み込みニューラルネットワークに基づく回帰モデルと,タスク誘導分岐を伴わないGANに基づく画像合成法より優れている(統計的に有意)。
論文 参考訳（メタデータ） (2021-08-03T17:56:50Z) - FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in
the Wild [50.8865921538953]
年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。
我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。
提案手法は,既存の年齢推定手法を常に上回っていることを示す。
論文 参考訳（メタデータ） (2021-06-21T14:31:32Z) - Continual Learning for Blind Image Quality Assessment [80.55119990128419]
ブラインド画像品質評価(BIQA)モデルは、サブポピュレーションシフトに継続的に適応できない。
最近の研究では、利用可能なすべての人間評価のIQAデータセットの組み合わせに関するBIQAメソッドのトレーニングが推奨されている。
モデルがIQAデータセットのストリームから継続的に学習するBIQAの継続的学習を策定する。
論文 参考訳（メタデータ） (2021-02-19T03:07:01Z) - Chronological age estimation of lateral cephalometric radiographs with
deep learning [0.0]
提案手法は, 側頭頂部X線像の経時的年代推定法により, 時間的年代推定に有効である。
4歳から40歳までのLC画像3014枚について検討した。
実験結果のMEAは1.250であり、最先端のベンチマークの結果より小さい。
論文 参考訳（メタデータ） (2021-01-28T03:43:24Z) - FOSS: Multi-Person Age Estimation with Focusing on Objects and Still
Seeing Surroundings [1.370633147306388]
状況によっては、ワイルドとマルチパーソンの年齢推定が必要である。
本研究では,複数の人物の年齢を1つのモデルで検出・推定する手法を提案する。
また,提案手法を個人写真による年齢推定データセットに応用した。
論文 参考訳（メタデータ） (2020-10-15T06:38:16Z) - Patch-based Brain Age Estimation from MR Images [64.66978138243083]
磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。
より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。
我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
論文 参考訳（メタデータ） (2020-08-29T11:50:37Z) - SIMBA: Specific Identity Markers for Bone Age Assessment [4.520307057539064]
SIMBAは,識別マーカーを用いた骨年齢評価の課題に対する新しいアプローチである。
我々は最先端のモデルを構築し、識別マーカーに存在する情報を元のハンドラジオグラフィーから生成した視覚的特徴と融合させる。
我々は,放射線ハンドポース推定データセット上でSIMBAを検証し,従来の最先端手法よりも優れていることを確認した。
論文 参考訳（メタデータ） (2020-07-10T15:48:48Z) - Investigating Bias in Deep Face Analysis: The KANFace Dataset and
Empirical Study [67.3961439193994]
現在までに最も包括的で大規模な顔画像とビデオのデータセットを導入している。
データは、アイデンティティ、正確な年齢、性別、親族関係の点で手動で注釈付けされる。
提案したベンチマークでネットワーク埋め込みをデバイアス化する手法を導入し,テストした。
論文 参考訳（メタデータ） (2020-05-15T00:14:39Z)
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。