論文の概要: Exploring Facial Expressions and Affective Domains for Parkinson Detection

• arxiv url: http://arxiv.org/abs/2012.06563v1
• Date: Fri, 11 Dec 2020 18:48:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-11 02:57:11.653317
• Title: Exploring Facial Expressions and Affective Domains for Parkinson Detection
• Title（参考訳）: パーキンソン病検出のための表情と情動ドメインの検討
• Authors: Luis Felipe Gomez-Gomez and Aythami Morales and Julian Fierrez and Juan Rafael Orozco-Arroyave
• Abstract要約: パーキンソン病(英: Parkinson's Disease、PD)は、顔面運動と非言語コミュニケーションに影響を与える神経疾患である。 本研究では,感情領域に基づく顔画像からの表情解析を用いて,PD検出の改善を提案する。
• 参考スコア（独自算出の注目度）: 17.244432348845034
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Parkinson's Disease (PD) is a neurological disorder that affects facial movements and non-verbal communication. Patients with PD present a reduction in facial movements called hypomimia which is evaluated in item 3.2 of the MDS-UPDRS-III scale. In this work, we propose to use facial expression analysis from face images based on affective domains to improve PD detection. We propose different domain adaptation techniques to exploit the latest advances in face recognition and Face Action Unit (FAU) detection. The principal contributions of this work are: (1) a novel framework to exploit deep face architectures to model hypomimia in PD patients; (2) we experimentally compare PD detection based on single images vs. image sequences while the patients are evoked various face expressions; (3) we explore different domain adaptation techniques to exploit existing models initially trained either for Face Recognition or to detect FAUs for the automatic discrimination between PD patients and healthy subjects; and (4) a new approach to use triplet-loss learning to improve hypomimia modeling and PD detection. The results on real face images from PD patients show that we are able to properly model evoked emotions using image sequences (neutral, onset-transition, apex, offset-transition, and neutral) with accuracy improvements up to 5.5% (from 72.9% to 78.4%) with respect to single-image PD detection. We also show that our proposed affective-domain adaptation provides improvements in PD detection up to 8.9% (from 78.4% to 87.3% detection accuracy).
• Abstract（参考訳）: パーキンソン病(英: Parkinson's Disease、PD)は、顔面運動と非言語コミュニケーションに影響を与える神経疾患である。 PD患者は、MDS-UPDRS-IIIスケールの3.2項目で評価される視力低下と呼ばれる顔面運動の低下を呈する。 本研究では,感情領域に基づく顔画像からの表情解析を用いてPD検出を改善することを提案する。 我々は、顔認識と顔行動ユニット(FAU)検出の最新の進歩を活用するために、異なるドメイン適応手法を提案する。 The principal contributions of this work are: (1) a novel framework to exploit deep face architectures to model hypomimia in PD patients; (2) we experimentally compare PD detection based on single images vs. image sequences while the patients are evoked various face expressions; (3) we explore different domain adaptation techniques to exploit existing models initially trained either for Face Recognition or to detect FAUs for the automatic discrimination between PD patients and healthy subjects; and (4) a new approach to use triplet-loss learning to improve hypomimia modeling and PD detection. PD患者の実際の顔画像から, イメージシーケンス(中性, オンセット・トランジション, 頂点, オフセット・トランジション, 中立性)を用いて, シングルイメージPD検出において5.5%の精度(72.9%から78.4%)で誘発感情を適切にモデル化できることが示唆された。 また,提案した感情ドメイン適応はPD検出を最大8.9%(78.4%から87.3%)改善することを示した。

関連論文リスト

• OpticalDR: A Deep Optical Imaging Model for Privacy-Protective Depression Recognition [66.91236298878383]
  抑うつ認識(DR)は、特にプライバシー上の懸念の文脈において、大きな課題となる。 我々は,疾患関連特徴を保持しつつ,撮像した顔画像の識別情報を消去する新しいイメージングシステムを設計した。 正確なDRに必要な本態性疾患の特徴を保ちながら、アイデンティティ情報の回復には不可逆である。
  論文  参考訳（メタデータ） (2024-02-29T01:20:29Z)
• PAD-Phys: Exploiting Physiology for Presentation Attack Detection in Face Biometrics [48.683457383784145]
  r: (i) 生理領域, (ii) ディープフェイクス領域, (iii) プレゼンテーション攻撃領域に基づく提示攻撃検出のための3つのアプローチ その結果、プレゼンテーションアタックドメインを生理的およびディープフェイクスドメインと比較すると、平均分類誤り率(ACER)が21.70%減少していることがわかった。 実験では、r-ベースモデルにおける伝達学習の効率を強調し、この生理的特徴のコピーを許さない機器での提示攻撃検出をうまく行う。
  論文  参考訳（メタデータ） (2023-10-03T15:24:15Z)
• Unmasking Parkinson's Disease with Smile: An AI-enabled Screening Framework [3.673889641081601]
  PD患者256名を含む1,059名から,3,871本のビデオを収集した。 顔表情の低下を特徴とするPDの著明な症状である視力低下に関連する特徴を抽出した。 これらの特徴に基づいてトレーニングされたAIモデルのアンサンブルは89.7%の精度に達し、受信者動作特性(AUROC)は89.3%となった。
  論文  参考訳（メタデータ） (2023-08-03T18:23:37Z)
• Fast refacing of MR images with a generative neural network lowers re-identification risk and preserves volumetric consistency [5.040145546652933]
  本稿では,3次元条件生成対向ネットワークに基づく3次元T1重み付きスキャンのための顔の匿名化手法を提案する。 提案手法は顔生成に9秒を要し, 顔の変形後の一貫した後処理結果の復元に適している。
  論文  参考訳（メタデータ） (2023-05-26T13:34:14Z)
• 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)
• Automated Parkinson's Disease Detection and Affective Analysis from Emotional EEG Signals [4.23779873473242]
  本研究は、感情脳波(EEG)信号のPDと健康管理(HC)の感情的差異を理解するための有用性について検討する。 従来の機械学習と深層学習を用いて、(a)次元的・カテゴリー的感情認識と(b)感情脳波信号からのPDとHCの分類を探索する。
  論文  参考訳（メタデータ） (2022-02-21T00:34:34Z)
• Spatiotemporal Ground Reaction Force Analysis using Convolutional Neural Networks to Analyze Parkinsonian Gait [0.0]
  パーキンソン病(英: Parkinsons disease, PD)は、高齢者の生活の質を大幅に低下させる不治の病気である。 本稿では,PDに関連する歩行パターンの変化を識別する鍵パラメータとして,原地反応力(GRF)を同定した。 提案アルゴリズムは、PDの重症度を特定し、パーキンソン歩行と健康歩行を区別することができる。
  論文  参考訳（メタデータ） (2021-02-01T04:30:34Z)
• Facial expressions can detect Parkinson's disease: preliminary evidence from videos collected online [0.6004833598578182]
  パーキンソン病(PD)の症状の1つは、低酸素症または表情低下である。 604人のビデオから顔のアクションユニット(AU)を分析しました。 PD患者は、非PD患者よりもAU6(チークライザー)、AU12(リップコーナープーラー)、AU4(ブラウロー)のばらつきが少ない。
  論文  参考訳（メタデータ） (2020-12-09T23:53:32Z)
• 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)
• Face Anti-Spoofing by Learning Polarization Cues in a Real-World Scenario [50.36920272392624]
  顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。 RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。 本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T03:04:03Z)
• It's Written All Over Your Face: Full-Face Appearance-Based Gaze Estimation [82.16380486281108]
  顔の全体像のみを入力とする外観に基づく手法を提案する。 本手法は,特徴写像に空間重みを印加した畳み込みニューラルネットワークを用いて顔画像の符号化を行う。 本手法は2次元視線と3次元視線の両方で技量を有意に上回ることを示す。
  論文  参考訳（メタデータ） (2016-11-27T15:00:10Z)

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。