Fugu-MT 論文翻訳(概要): Towards Explainable Abnormal Infant Movements Identification: A Body-part Based Prediction and Visualisation Framework

論文の概要: Towards Explainable Abnormal Infant Movements Identification: A Body-part Based Prediction and Visualisation Framework

arxiv url: http://arxiv.org/abs/2106.04966v1
Date: Wed, 9 Jun 2021 10:25:34 GMT
ステータス: 処理完了
システム内更新日: 2021-06-10 15:19:35.860442
Title: Towards Explainable Abnormal Infant Movements Identification: A Body-part Based Prediction and Visualisation Framework
Title（参考訳）: 乳幼児の異常動作の同定に向けて : 身体部位に基づく予測と可視化の枠組み
Authors: Kevin D. McCay, Edmond S. L. Ho, Dimitrios Sakkos, Wai Lok Woo, Claire Marcroft, Patricia Dulson, Nicholas D. Embleton
Abstract要約: 一般運動評価(GMA)に基づく幼児の身体運動の自動分類のための新しい枠組みを提案する。提案するフレームワークセグメントは,GMAに時間的に関連付けられたFidgety Movements (FM) の存在を検出するための特徴を抽出する。提案するフレームワークの分類性能と文献からの他のいくつかの手法とを定量的に比較し、可視化の妥当性を質的に評価する。
参考スコア（独自算出の注目度）: 4.847839438526929
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Providing early diagnosis of cerebral palsy (CP) is key to enhancing the developmental outcomes for those affected. Diagnostic tools such as the General Movements Assessment (GMA), have produced promising results in early diagnosis, however these manual methods can be laborious. In this paper, we propose a new framework for the automated classification of infant body movements, based upon the GMA, which unlike previous methods, also incorporates a visualization framework to aid with interpretability. Our proposed framework segments extracted features to detect the presence of Fidgety Movements (FMs) associated with the GMA spatiotemporally. These features are then used to identify the body-parts with the greatest contribution towards a classification decision and highlight the related body-part segment providing visual feedback to the user. We quantitatively compare the proposed framework's classification performance with several other methods from the literature and qualitatively evaluate the visualization's veracity. Our experimental results show that the proposed method performs more robustly than comparable techniques in this setting whilst simultaneously providing relevant visual interpretability.
Abstract（参考訳）: 脳性麻痺 (CP) の早期診断は, 疾患の発症を促進する鍵となる。一般運動評価(GMA)のような診断ツールは早期診断において有望な結果をもたらしてきたが、これらの手技は困難である。本稿では,gmaに基づく幼児の身体運動の自動分類のための新しい枠組みを提案する。提案するフレームワークセグメントは,GMA時空間に付随するFidgety Movements (FM) の存在を検出するための特徴を抽出した。これらの特徴は、分類決定に最も貢献する身体部分を特定し、ユーザへの視覚的フィードバックを提供する関連身体部分セグメントを強調するために使用される。提案手法の分類性能を文献の他の手法と定量的に比較し,可視化の妥当性を定性的に評価した。実験結果から,提案手法は同一の手法よりも頑健に動作し,同時に関連する視理解性が得られた。

関連論文リスト

KAN-Mamba FusionNet: Redefining Medical Image Segmentation with Non-Linear Modeling [3.2971993272923443]
本研究では,KAN(Kolmogorov-Arnold Networks)とMamba層を組み合わせた医用画像分割手法を提案する。提案する Kan-Mamba FusionNet フレームワークは,コンボリューショナル並列トレーニングと自動回帰展開に注目駆動機構を統合することにより,画像セグメンテーションを改善する。
論文参考訳（メタデータ） (2024-11-18T09:19:16Z)
Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文参考訳（メタデータ） (2024-02-16T05:16:20Z)
Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文参考訳（メタデータ） (2023-10-11T05:49:47Z)
Multi-Modal Evaluation Approach for Medical Image Segmentation [4.989480853499916]
本稿では,異なるセグメンテーション手法の有効性を評価するために,新しいマルチモーダル評価(MME)手法を提案する。本稿では, 検出特性, 境界アライメント, 均一性, 総体積, 相対体積など, 関連性, 解釈可能な新しい特徴を紹介する。提案するアプローチはオープンソースで,使用することができる。
論文参考訳（メタデータ） (2023-02-08T15:31:33Z)
Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
論文参考訳（メタデータ） (2023-02-03T13:50:25Z)
Semi-supervised Body Parsing and Pose Estimation for Enhancing Infant General Movement Assessment [11.33138866472943]
乳児運動ビデオ(IMV)の一般運動評価(GMA)は、乳幼児の脳性麻痺(CP)の早期発見に有効な方法である。本稿では、画像シーケンス認識のためのエンドツーエンドのトレーニング可能なニューラルネットワークが、GMAの優れた結果を得るために適用可能であることを実証する。本研究では,SiamParseNet(SPN)と呼ばれる半教師付きモデルを提案する。
論文参考訳（メタデータ） (2022-10-14T18:46:30Z)
Automated Classification of General Movements in Infants Using a Two-stream Spatiotemporal Fusion Network [5.541644538483947]
幼児の全身運動(GM)の評価は神経発達障害の早期診断に有用である。近年、ビデオベースのGM分類が注目されているが、これは無関係な情報の影響を強く受けている。不要な背景情報を除去する前処理ネットワークからなる自動GM分類法を提案する。
論文参考訳（メタデータ） (2022-07-04T05:21:09Z)
Multi-Modal Learning Using Physicians Diagnostics for Optical Coherence Tomography Classification [0.0]
我々は,光学コヒーレンス・トモグラフィーの分析に専門家の診断と知見を取り入れたフレームワークを提案する。 OCTを用いた疾患分類を改善するために,医学診断属性データセットを作成する。
論文参考訳（メタデータ） (2022-03-20T18:37:20Z)
Factored Attention and Embedding for Unstructured-view Topic-related Ultrasound Report Generation [70.7778938191405]
本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
論文参考訳（メタデータ） (2022-03-12T15:24:03Z)
Act Like a Radiologist: Towards Reliable Multi-view Correspondence Reasoning for Mammogram Mass Detection [49.14070210387509]
マンモグラム質量検出のための解剖学的グラフ畳み込みネットワーク(AGN)を提案する。 AGNはマンモグラムの質量検出用に調整されており、既存の検出手法を多視点推論能力で実現している。 2つの標準ベンチマークの実験によると、AGNは最先端のパフォーマンスを大幅に上回っている。
論文参考訳（メタデータ） (2021-05-21T06:48:34Z)
Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文参考訳（メタデータ） (2020-10-09T14:39:27Z)

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。