論文の概要: Integrated Age Estimation Mechanism
- arxiv url: http://arxiv.org/abs/2103.06546v1
- Date: Thu, 11 Mar 2021 09:14:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-12 15:00:07.369718
- Title: Integrated Age Estimation Mechanism
- Title（参考訳）: 統合年齢推定機構
- Authors: Fan Li, Yongming Li, Pin Wang, Jie Xiao, Fang Yan, Xinke Li
- Abstract要約: 提案した年齢推定機構は, 年齢推定のトレードオフ効果が良好である。
このメカニズムは、異なる特定の年齢推定アルゴリズムを構築するために使用できるフレームワークメカニズムである。
- 参考スコア（独自算出の注目度）: 14.66142603273126
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine-learning-based age estimation has received lots of attention.
Traditional age estimation mechanism focuses estimation age error, but ignores
that there is a deviation between the estimated age and real age due to
disease. Pathological age estimation mechanism the author proposed before
introduces age deviation to solve the above problem and improves classification
capability of the estimated age significantly. However,it does not consider the
age estimation error of the normal control (NC) group and results in a larger
error between the estimated age and real age of NC group. Therefore, an
integrated age estimation mechanism based on Decision-Level fusion of error and
deviation orientation model is proposed to solve the problem.Firstly, the
traditional age estimation and pathological age estimation mechanisms are
weighted together.Secondly, their optimal weights are obtained by minimizing
mean absolute error (MAE) between the estimated age and real age of normal
people. In the experimental section, several representative age-related
datasets are used for verification of the proposed method. The results show
that the proposed age estimation mechanism achieves a good tradeoff effect of
age estimation. It not only improves the classification ability of the
estimated age, but also reduces the age estimation error of the NC group. In
general, the proposed age estimation mechanism is effective. Additionally, the
mechanism is a framework mechanism that can be used to construct different
specific age estimation algorithms, contributing to relevant research.
- Abstract（参考訳）: 機械学習に基づく年齢推定が注目されている。
従来の年齢推定メカニズムは年齢推定に重点を置いているが、疾患による年齢推定と実年齢の差があることを無視する。
筆者が提案する病的年齢推定機構は,上記の問題を解決するために年齢偏差を導入し,推定年齢の分類能力を大幅に向上させる。
しかし、正規制御群(NC)の年齢推定誤差は考慮せず、NC群の推定年齢と実年齢との間により大きな誤差をもたらす。
そこで, 従来の年齢推定法と病理年齢推定法を重み付けし, 平均絶対誤差(MAE)を最小化し, 平均絶対誤差(MAE)を最小化することにより, 従来の年齢推定法と病理年齢推定法を併用する。
実験では,提案手法の検証にいくつかの年齢関連データセットを用いた。
その結果,提案する年齢推定機構は,年齢推定の良好なトレードオフ効果が得られることがわかった。
推定年齢の分類能力を向上させるだけでなく,nc群の年齢推定誤差を低減させる。
一般に,提案する年齢推定機構が有効である。
さらに、このメカニズムは、異なる特定の年齢推定アルゴリズムを構築するために使用できるフレームワークメカニズムであり、関連する研究に寄与する。
関連論文リスト
- Ordinal Classification with Distance Regularization for Robust Brain Age Prediction [25.555190119033615]
老化はアルツハイマー病(AD)の主要な危険因子の1つである
脳の年齢は、加齢による構造変化を反映した脳画像から導かれる指標であり、ADの発症を識別し、疾患リスクを評価し、標的とする介入を計画する可能性がある。
磁気共鳴画像(MRI)スキャンによる脳年齢予測のためのディープラーニングに基づく回帰手法は,近年,非常に精度が高い。
これらの手法は平均効果に固有の回帰傾向を受けており、体系的な偏りが生じ、若年者では脳年齢が過大評価され、老年者では過小評価される。
論文 参考訳（メタデータ） (2023-10-25T20:39:07Z) - Explainable Brain Age Prediction using coVariance Neural Networks [94.81523881951397]
大脳皮質の厚み特徴を用いた脳年齢予測のための説明駆動・解剖学的解釈可能なフレームワークを提案する。
具体的には、私たちの脳年齢予測フレームワークは、アルツハイマー病(AD)の脳年齢ギャップの粗い指標を超えて拡張されます。
我々は2つの重要な観察を行う: VNNは、貢献する脳の領域を同定することによって、ADの脳年齢差を高めるために解剖学的解釈性を割り当てることができる。
論文 参考訳（メタデータ） (2023-05-27T22:28:25Z) - An Unsupervised Deep-Learning Method for Bone Age Assessment [4.227079957387361]
骨の発達の程度を反映した骨年齢は、成人の高さを予測し、子供の内分泌疾患を検出するために用いられる。
本稿では,制約付き畳み込みオートエンコーダ(CCAE)を用いて,骨年齢の分類とBA-CCAEの洗礼を行うモデルを提案する。
北米放射線学会(Radiological Society of North America)の実験では、48ヶ月間隔での分類の精度は76.15%である。
論文 参考訳（メタデータ） (2022-06-12T02:31:36Z) - Adaptive Mean-Residue Loss for Robust Facial Age Estimation [7.667560350473354]
本稿では,分布学習による顔年齢推定のための損失関数を提案する。
FG-NETとCLAP2016のデータセットでの実験結果により、提案された損失の有効性が検証された。
論文 参考訳（メタデータ） (2022-03-31T16:28:34Z) - LAE : Long-tailed Age Estimation [52.5745217752147]
まず、簡単な標準ベースラインを定式化し、事前トレーニング、データ拡張、モデルアーキテクチャなどのトリックを収集することで、はるかに強力なベースラインを構築します。
標準ベースラインと比較して,提案手法は推定誤差を著しく低減する。
本稿では,Long-tailed Age Estimation (LAE) という2段階の学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-25T09:05:44Z) - 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) - using multiple losses for accurate facial age estimation [6.851375622634309]
本稿では,分類に基づく手法と比較して,年齢推定をシンプルかつ効果的に行う手法を提案する。
CVPR Chalearn 2016データセット上での年齢-粒度-ネットフレームワークの有効性を検証し,提案手法が個々の損失と比較して予測誤差を低減できることを示す。
論文 参考訳（メタデータ） (2021-06-17T11:18:16Z) - Brain Age Estimation From MRI Using Cascade Networks with Ranking Loss [75.03117866578913]
T1強調MRIデータから脳年齢を推定するために,新しい3次元畳み込みネットワークである2段エイジネットワーク(TSAN)を提案する。
686ドルのMRIによる実験では、TSANが正確な脳年齢を推定できることが示された。
論文 参考訳（メタデータ） (2021-06-06T07:11:25Z) - Age Gap Reducer-GAN for Recognizing Age-Separated Faces [72.26969872180841]
本稿では,年齢変化に伴う顔と時間変化をマッチングする新しいアルゴリズムを提案する。
提案手法は,顔の年齢推定と年齢別顔の検証を組み合わせた統合フレームワークである。
論文 参考訳（メタデータ） (2020-11-11T16:43:32Z) - Age-Net: An MRI-Based Iterative Framework for Brain Biological Age
Estimation [18.503467872057424]
生物学的年齢(BA)の概念は、主に明確に定義された基準基準が欠如していることから理解するのが困難である。
臓器特異的BA推定のための新しい画像ベースフレームワークを提案する。
論文 参考訳（メタデータ） (2020-09-22T19:04:02Z) - 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)
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。