論文の概要: Sexing Caucasian 2D footprints using convolutional neural networks
- arxiv url: http://arxiv.org/abs/2108.01554v1
- Date: Fri, 23 Jul 2021 06:56:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-08 11:04:25.034781
- Title: Sexing Caucasian 2D footprints using convolutional neural networks
- Title（参考訳）: 畳み込みニューラルネットワークを用いたコーカサス性2次元フットプリント
- Authors: Marcin Budka, Matthew R. Bennet, Sally Reynolds, Shelby Barefoot,
Sarah Reel, Selina Reidy, Jeremy Walker
- Abstract要約: 本研究では,2次元足の印象の性差における異なる成分の相対的重要性について検討する。
機械学習のアプローチを使って、これを従来の差別方法と比較します。
我々の畳み込みニューラルネットワークは、N=267フットプリント画像のテストセットで、約90%の精度でフットプリントをセックスすることができる。
- 参考スコア（独自算出の注目度）: 0.9236074230806579
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Footprints are left, or obtained, in a variety of scenarios from crime scenes
to anthropological investigations. Determining the sex of a footprint can be
useful in screening such impressions and attempts have been made to do so using
single or multi landmark distances, shape analyses and via the density of
friction ridges. Here we explore the relative importance of different
components in sexing two-dimensional foot impressions namely, size, shape and
texture. We use a machine learning approach and compare this to more
traditional methods of discrimination. Two datasets are used, a pilot data set
collected from students at Bournemouth University (N=196) and a larger data set
collected by podiatrists at Sheffield NHS Teaching Hospital (N=2677). Our
convolutional neural network can sex a footprint with accuracy of around 90% on
a test set of N=267 footprint images using all image components, which is
better than an expert can achieve. However, the quality of the impressions
impacts on this success rate, but the results are promising and in time it may
be possible to create an automated screening algorithm in which practitioners
of whatever sort (medical or forensic) can obtain a first order sexing of a
two-dimensional footprint.
- Abstract（参考訳）: 足跡は、犯罪現場から人類学的調査まで、様々なシナリオで残されたり、得られたりする。
足跡の性別を決定することは、シングルまたはマルチランドマーク距離、形状解析、摩擦隆起の密度を用いてこのような印象や試みをスクリーニングするのに有用である。
ここでは,2次元足の印象,すなわちサイズ,形状,テクスチャの性差における異なる成分の相対的重要性について検討する。
機械学習のアプローチを使って、これを従来の差別方法と比較します。
2つのデータセット、ボーンマス大学の学生から収集されたパイロットデータセット(n=196)、シェフィールドnhs教育病院のポディアトリストによって収集されたより大きなデータセット(n=2677)が使用される。
我々の畳み込みニューラルネットワークは、すべての画像成分を用いてN=267フットプリント画像のテストセット上で、90%の精度でフットプリントをセックスすることができます。
しかし、印象の質は、この成功率に影響を及ぼすが、結果は有望であり、いずれは、どんな種類の医師(医学的または法医学的)でも、2次元の足跡の1次性交を得ることができる自動スクリーニングアルゴリズムを作成できるかもしれない。
関連論文リスト
- Improving and Evaluating Machine Learning Methods for Forensic Shoeprint Matching [0.2509487459755192]
法医学的な靴紋パターンマッチングのための機械学習パイプラインを提案する。
エッジ検出による2次元画像から2次元座標を抽出し, 反復的最近点(ICP)と整列する。
次に、類似度指標を抽出し、2つの印刷物がどれだけうまく一致しているかを定量化し、これらの指標を用いてランダムな森林を訓練する。
論文 参考訳（メタデータ） (2024-04-02T15:24:25Z) - Multi-Head Graph Convolutional Network for Structural Connectome
Classification [8.658134276685404]
グラフ畳み込みネットワーク(GCN)にインスパイアされた機械学習モデルを提案する。
提案するネットワークは,エッジとノードに着目したグラフ畳み込みを含む,異なるヘッドを用いたシンプルな設計である。
脳接続データから補完的特徴と代表的特徴を抽出する能力をテストするため,私たちは性分類の課題を選択した。
論文 参考訳（メタデータ） (2023-05-02T15:04:30Z) - Advancing 3D finger knuckle recognition via deep feature learning [51.871256510747465]
接触のない3Dフィンガーナックルパターンは、識別性、距離からの視認性、利便性、利便性により、効果的な生体認証として出現している。
近年、ディープニューラルネットワークの中間機能を複数のスケールで同時に組み込むディープ・フィーチャー・コラボレーティブ・ネットワークが開発されている。
本稿では,3次元指のナックル画像を表現するために,最小次元の識別特徴ベクトルを学習する可能性を検討することにより,本手法を推し進める。
論文 参考訳（メタデータ） (2023-01-07T20:55:16Z) - Multiclass Semantic Segmentation to Identify Anatomical Sub-Regions of
Brain and Measure Neuronal Health in Parkinson's Disease [2.288652563296735]
現在、脳の解剖下領域を分析して2次元の組織像を分析する機械学習モデルは利用できない。
本研究では,Nissl/HaematoxylinおよびTyrosine hydroxylase酵素(TH,ドーパミン作動性ニューロンの生存率の指標)で染色した約1000個のアノテート2次元脳画像を用いて,ベストフィットモデルを訓練した。
このモデルは、すべての画像において2つのサブリージョンコンパクト(SNCD)とレチキュラタ(SNr)を効果的に検出できる。
論文 参考訳（メタデータ） (2023-01-07T19:35:28Z) - Development of an algorithm for medical image segmentation of bone
tissue in interaction with metallic implants [58.720142291102135]
本研究では,金属インプラントとの接触部における骨成長の計算アルゴリズムを開発した。
骨とインプラント組織はトレーニングデータセットに手動でセグメンテーションされた。
ネットワーク精度の面では、モデルは約98%に達した。
論文 参考訳（メタデータ） (2022-04-22T08:17:20Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳（メタデータ） (2022-04-19T10:41:09Z) - Quasi-orthogonality and intrinsic dimensions as measures of learning and
generalisation [55.80128181112308]
ニューラルネットワークの特徴空間の次元性と準直交性は、ネットワークの性能差別と共同して機能する可能性があることを示す。
本研究は, ネットワークの最終的な性能と, ランダムに初期化された特徴空間の特性との関係を示唆する。
論文 参考訳（メタデータ） (2022-03-30T21:47:32Z) - Few-shot image segmentation for cross-institution male pelvic organs
using registration-assisted prototypical learning [13.567073992605797]
本研究は,医用画像のための最初の3D画像間セグメンテーションネットワークを提案する。
興味のある8つの領域を持つ前立腺がん患者のラベル付き多施設データセットを使用する。
内蔵登録機構は、被験者間の一貫性のある解剖学の事前知識を効果的に活用することができる。
論文 参考訳（メタデータ） (2022-01-17T11:44:10Z) - Deep Multilabel CNN for Forensic Footwear Impression Descriptor
Identification [0.9786690381850356]
我々は、法医学的ユースケースにおいて、Emphdescriptorsとして知られる履物印象の特徴を分類するために、深層学習アプローチを採用する。
我々は、異なるドメインのデータに基づいて事前訓練されたニューラルネットワークに、サンプル化されたグレースケールインプレッションを供給するための技術を開発し、評価する。
論文 参考訳（メタデータ） (2021-02-09T19:39:28Z) - A deep learning classifier for local ancestry inference [63.8376359764052]
局所祖先推論は、個人のゲノムの各セグメントの祖先を特定する。
我々は,エンコーダ・デコーダアーキテクチャを備えた深層畳み込みニューラルネットワークを用いた新しいLAIツールを開発した。
我々は,既存のゴールド標準ツール RFMix とほぼ同等の精度で,ゼロショットタスクとしてアドミキシングを学習できることを実証した。
論文 参考訳（メタデータ） (2020-11-04T00:42:01Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z)
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。