論文の概要: Towards human-level performance on automatic pose estimation of infant spontaneous movements

• arxiv url: http://arxiv.org/abs/2010.05949v5
• Date: Thu, 16 Dec 2021 16:09:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 06:14:11.111118
• Title: Towards human-level performance on automatic pose estimation of infant spontaneous movements
• Title（参考訳）: 幼児の自発運動の自動ポーズ推定における人間レベルのパフォーマンス
• Authors: Daniel Groos, Lars Adde, Ragnhild St{\o}en, Heri Ramampiaro, Espen A. F. Ihlen
• Abstract要約: 4種類の畳み込みニューラルネットワークを訓練し、新しい幼児ポーズデータセットを用いて評価した。 最高のパフォーマンスのニューラルネットワークは、人間の専門家アノテーションのラッター間拡散に類似したローカライゼーションエラーを持っていた。 以上の結果から, 乳児の自発運動の評価は, 周産期脳損傷児の発達障害の早期発見に大きく貢献する可能性が示唆された。
• 参考スコア（独自算出の注目度）: 2.7086496937827005
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Assessment of spontaneous movements can predict the long-term developmental disorders in high-risk infants. In order to develop algorithms for automated prediction of later disorders, highly precise localization of segments and joints by infant pose estimation is required. Four types of convolutional neural networks were trained and evaluated on a novel infant pose dataset, covering the large variation in 1 424 videos from a clinical international community. The localization performance of the networks was evaluated as the deviation between the estimated keypoint positions and human expert annotations. The computational efficiency was also assessed to determine the feasibility of the neural networks in clinical practice. The best performing neural network had a similar localization error to the inter-rater spread of human expert annotations, while still operating efficiently. Overall, the results of our study show that pose estimation of infant spontaneous movements has a great potential to support research initiatives on early detection of developmental disorders in children with perinatal brain injuries by quantifying infant movements from video recordings with human-level performance.
• Abstract（参考訳）: 自発性運動の評価は高リスク児の長期発達障害を予測できる。 後発障害の自動予測アルゴリズムを開発するためには,幼児のポーズ推定によるセグメントと関節の高精度な位置推定が必要である。 4種類の畳み込みニューラルネットワークを新しい乳児ポーズデータセットで訓練し, 臨床国際コミュニティの1, 424ビデオで大きな変動について検討した。 ネットワークのローカライゼーション性能を,推定キーポイント位置と人的専門家アノテーションとのずれとして評価した。 また,臨床におけるニューラルネットワークの実現可能性を評価するために,計算効率も評価した。 最高のパフォーマンスのニューラルネットワークは、人間の専門家アノテーションのラッター間拡散に類似したローカライゼーションエラーを持ち、それでも効率的に動作する。 その結果, 幼児の自発的行動のポーズ推定は, 幼児の脳損傷児の発達障害の早期発見を, 映像記録からヒトレベルのパフォーマンスで定量化することにより支援する上で大きな可能性を秘めている。

関連論文リスト

• Modeling 3D Infant Kinetics Using Adaptive Graph Convolutional Networks [2.2279946664123664]
  自発運動、運動学(orkinetics)は、今後の神経発達の強力なサロゲート指標を提供する。 そこで本研究では,個々の運動パターンのデータ駆動評価に基づいて,乳幼児の成熟を予測するための代替手法を提案する。
  論文  参考訳（メタデータ） (2024-02-22T09:34:48Z)
• Towards a Foundation Model for Brain Age Prediction using coVariance Neural Networks [102.75954614946258]
  時間的年齢に関する脳年齢の増加は、神経変性と認知低下に対する脆弱性の増加を反映している。 NeuroVNNは、時系列年齢を予測するために、健康な人口の回帰モデルとして事前訓練されている。 NeuroVNNは、脳の年齢に解剖学的解釈性を加え、任意の脳のアトラスに従って計算されたデータセットへの転移を可能にする「スケールフリー」特性を持つ。
  論文  参考訳（メタデータ） (2024-02-12T14:46:31Z)
• Detection of developmental language disorder in Cypriot Greek children using a neural network algorithm [0.0]
  本研究の目的は,人工知能を用いた発達言語障害(DLD)の自動識別手法の開発である。 このプロトコルは、DLDを持つキプロス系ギリシャ人の子供に初めて適用される。 モデルの性能は精度,精度,リコール,F1スコア,ROC/AUC曲線などの指標を用いて評価した。
  論文  参考訳（メタデータ） (2023-11-25T15:23:46Z)
• Dynamic Gaussian Splatting from Markerless Motion Capture can Reconstruct Infants Movements [2.44755919161855]
  本研究は,多様な臨床集団に適用可能な高度な運動分析ツールの道を開くものである。 マーカーレスモーションキャプチャーデータに対する動的ガウススプラッティングの適用について検討した。 以上の結果から,この手法が乳幼児の情景を表現し,乳幼児の動きを追跡できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-10-30T11:09:39Z)
• Towards early prediction of neurodevelopmental disorders: Computational model for Face Touch and Self-adaptors in Infants [0.0]
  乳児の運動を評価することは、発達障害の発症リスクを理解する鍵となる。 心理学における以前の研究は、赤ちゃんの顔の触覚などの特定の動きやジェスチャーを測定することは、赤ちゃんが自分自身とその文脈をどのように理解しているかを分析するのに不可欠であることを示した。 本研究は,乳幼児の動作やジェスチャーを追跡することによって,映像記録から顔の触覚を検出する,最初の自動アプローチを提案する。
  論文  参考訳（メタデータ） (2023-01-07T18:08:43Z)
• NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical Development Patterns of Preterm Infants [73.85768093666582]
  我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。 NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
  論文  参考訳（メタデータ） (2023-01-01T12:48:12Z)
• Learning Personal Representations from fMRIby Predicting Neurofeedback Performance [52.77024349608834]
  機能的MRI(fMRI)によって導かれる自己神経変調タスクを行う個人のための個人表現を学習するためのディープニューラルネットワーク手法を提案する。 この表現は、直近のfMRIフレームが与えられた次のfMRIフレームにおける扁桃体活動を予測する自己教師型リカレントニューラルネットワークによって学習され、学習された個々の表現に条件付けされる。
  論文  参考訳（メタデータ） (2021-12-06T10:16:54Z)
• Voxel-level Importance Maps for Interpretable Brain Age Estimation [70.5330922395729]
  本稿では,畳み込みニューラルネットワークを用いた3次元脳磁気共鳴(MR)画像からの脳年齢回帰の課題に着目した。 予測モデルの性能を損なうことなく、できるだけ多くのノイズを入力に追加することを目的としたノイズモデルを実装した。 本手法は,英国バイオバンクの13750個の脳MR画像を用いて検討し,既存の神経病理学文献と一致している。
  論文  参考訳（メタデータ） (2021-08-11T18:08:09Z)
• Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic Programmed Deep Kernels [93.58854458951431]
  本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。 我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。 我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
  論文  参考訳（メタデータ） (2020-09-16T15:16:03Z)
• Preterm infants' pose estimation with spatio-temporal features [7.054093620465401]
  本稿では,手足検出・追跡における短期的特徴の活用について紹介する。 手足位置推定の実際の臨床実践で得られた深度ビデオを用いた最初の研究である。
  論文  参考訳（メタデータ） (2020-05-08T09:51:22Z)
• A Developmental Neuro-Robotics Approach for Boosting the Recognition of Handwritten Digits [91.3755431537592]
  近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。 本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
  論文  参考訳（メタデータ） (2020-03-23T14:55:00Z)

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。