Fugu-MT 論文翻訳(概要): Prediction of the Facial Growth Direction is Challenging

論文の概要: Prediction of the Facial Growth Direction is Challenging

arxiv url: http://arxiv.org/abs/2110.02316v1
Date: Tue, 28 Sep 2021 20:22:01 GMT
ステータス: 処理完了
システム内更新日: 2021-10-10 09:16:35.377250
Title: Prediction of the Facial Growth Direction is Challenging
Title（参考訳）: 顔の成長方向の予測は困難です
Authors: Stanis{\l}aw Ka\'zmierczak, Zofia Juszka, Vaska Vandevska-Radunovic, Thomas JJ Maal, Piotr Fudalej, Jacek Ma\'ndziuk
Abstract要約: 顔の成長方向の予測は機械学習(ML)領域における新しい問題である。本稿では, 上記の問題において中心的な役割を果たす属性を特徴選択し, 指摘する。次に、データ拡張手法を適用し、事前に報告した分類精度を2.81%改善する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Facial dysmorphology or malocclusion is frequently associated with abnormal growth of the face. The ability to predict facial growth (FG) direction would allow clinicians to prepare individualized therapy to increase the chance for successful treatment. Prediction of FG direction is a novel problem in the machine learning (ML) domain. In this paper, we perform feature selection and point the attribute that plays a central role in the abovementioned problem. Then we successfully apply data augmentation (DA) methods and improve the previously reported classification accuracy by 2.81%. Finally, we present the results of two experienced clinicians that were asked to solve a similar task to ours and show how tough is solving this problem for human experts.
Abstract（参考訳）: 顔面奇形や奇形は、しばしば顔面の異常な成長と関連している。顔面成長(FG)の方向を予測する能力により、臨床医は個別療法を準備でき、治療成功の可能性を高めることができる。 FG方向の予測は機械学習(ML)領域における新しい問題である。本稿では,特徴の選択を行い,上記の問題において中心的な役割を果たす属性を指摘する。そして,データ拡張(da)手法を適用し,従来報告した分類精度を2.81%向上させた。最後に,本研究に類似した課題の解決を依頼された経験豊富な臨床医2名を対象に,この課題の解決がいかに困難かを示す。

関連論文リスト

AI-Driven Early Mental Health Screening with Limited Data: Analyzing Selfies of Pregnant Women [32.514036618021244]
うつ病や不安障害は世界中で何百万もの人に影響を与え、精神疾患の重荷に大きく貢献する。早期スクリーニングは、精神疾患のタイムリーな同定が治療成績を大幅に改善するので、効果的な介入に不可欠である。本研究は、顔中心の自撮りを与えられたユビキタスな抑うつ不安スクリーニングのためのAIモデルの可能性について検討する。
論文参考訳（メタデータ） (2024-10-07T19:34:25Z)
MedDet: Generative Adversarial Distillation for Efficient Cervical Disc Herniation Detection [24.833129797776422]
頚椎椎間板ヘルニア(Cervical disc herniation, CDH)は、筋骨格障害の一種で、専門医による労働集約的な分析を必要とする。医用画像の自動検出の進歩にもかかわらず、これらの手法のリアルタイム適用を妨げる2つの重要な課題がある。 MedDetは,モデル圧縮と効率向上のために,マルチ教師の単一学習知識蒸留を利用する。最後に,CDH-1848データセットの総合的な実験を行い,従来の手法と比較して最大5%のmAP改善を実現した。
論文参考訳（メタデータ） (2024-08-30T18:38:19Z)
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)
Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文参考訳（メタデータ） (2023-07-10T09:49:30Z)
A Survey on Computer Vision based Human Analysis in the COVID-19 Era [58.79053747159797]
新型コロナウイルスの出現は、社会全体だけでなく、個人の生活にも大きく影響している。マスクやソーシャルディスタンシングの義務、公共空間での定期消毒、スクリーニングアプリケーションの使用など、さまざまな予防策が世界中で導入されている。これらの発展は、(i)視覚データの自動解析による予防対策の支援、(ii)生体認証などの既存の視覚ベースのサービスの正常な操作を容易にする、新しいコンピュータビジョン技術の必要性を喚起した。
論文参考訳（メタデータ） (2022-11-07T17:20:39Z)
Few-Shot Meta Learning for Recognizing Facial Phenotypes of Genetic Disorders [55.41644538483948]
分類の自動化と類似性検索は、医師が可能な限り早期に遺伝状態の診断を行うための意思決定を支援する。従来の研究は分類問題としてこの問題に対処し、深層学習法を用いてきた。本研究では,健常人の大規模なコーパスで訓練した顔認識モデルを用いて,顔の表情認識に移行した。
論文参考訳（メタデータ） (2022-10-23T11:52:57Z)
End-to-end Learning for Image-based Detection of Molecular Alterations in Digital Pathology [1.916179040410189]
デジタル病理学におけるスライド画像全体(WSI)の分類への現在のアプローチは、主に2段階学習パイプラインを利用している。このようなアプローチの大きな欠点は、臨床ルーチンで取得されていないタスク固有の補助ラベルの要件である。本稿では,WSI分類のための新しい学習パイプラインを提案する。
論文参考訳（メタデータ） (2022-06-30T20:30:33Z)
Forecasting Patient Demand at Urgent Care Clinics using Machine Learning [0.0]
本研究は,ニュージーランドのオークランドにある2つの大規模救急医療施設において,患者の正確なプレゼンテーションを機械学習で作成する能力について検討した。この問題領域の最も効果的なテクニックを決定するために, 日常的な患者需要予測を3ヶ月前に行うために, 機械学習アルゴリズムを多数検討した。その結果, アンサンブルをベースとした手法は, 最も正確で一貫したソリューションを平均で提供し, 既存手法に比べて23%-27%の改善を実現し, 日々の需要を推定した。
論文参考訳（メタデータ） (2022-05-25T22:27:49Z)
Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文参考訳（メタデータ） (2021-12-20T13:29:13Z)
Prediction of the facial growth direction with Machine Learning methods [0.0]
顔面成長(FG)方向の予測の最初の試みは半世紀以上前に行われた。多くの試みと時間の経過にもかかわらず、まだ満足のいく方法が確立されていない。本論文は,FG方向の予測に対する機械学習アプローチとしては初めてのものである。
論文参考訳（メタデータ） (2021-06-19T10:12:12Z)
An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文参考訳（メタデータ） (2020-12-06T18:55:07Z)

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。