論文の概要: Automated Classification of General Movements in Infants Using a
Two-stream Spatiotemporal Fusion Network
- arxiv url: http://arxiv.org/abs/2207.03344v1
- Date: Mon, 4 Jul 2022 05:21:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-08 15:02:20.231060
- Title: Automated Classification of General Movements in Infants Using a
Two-stream Spatiotemporal Fusion Network
- Title（参考訳）: 2流時空間融合ネットワークを用いた乳幼児の一般運動の自動分類
- Authors: Yuki Hashimoto, Akira Furui, Koji Shimatani, Maura Casadio, Paolo
Moretti, Pietro Morasso, Toshio Tsuji
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 5.541644538483947
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The assessment of general movements (GMs) in infants is a useful tool in the
early diagnosis of neurodevelopmental disorders. However, its evaluation in
clinical practice relies on visual inspection by experts, and an automated
solution is eagerly awaited. Recently, video-based GMs classification has
attracted attention, but this approach would be strongly affected by irrelevant
information, such as background clutter in the video. Furthermore, for
reliability, it is necessary to properly extract the spatiotemporal features of
infants during GMs. In this study, we propose an automated GMs classification
method, which consists of preprocessing networks that remove unnecessary
background information from GMs videos and adjust the infant's body position,
and a subsequent motion classification network based on a two-stream structure.
The proposed method can efficiently extract the essential spatiotemporal
features for GMs classification while preventing overfitting to irrelevant
information for different recording environments. We validated the proposed
method using videos obtained from 100 infants. The experimental results
demonstrate that the proposed method outperforms several baseline models and
the existing methods.
- Abstract（参考訳）: 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。
しかし, 臨床実習における評価は, 専門家による視覚検査に依存し, 自動化された解決策が待ち望まれている。
近年、ビデオベースのGM分類が注目されているが、この手法はビデオの背景乱れなどの無関係な情報の影響を強く受けている。
また,信頼性向上のためには,乳児の時空間的特徴を適切に抽出する必要がある。
本研究では,GMのビデオから不要な背景情報を取り除き,幼児の身体位置を調節する前処理ネットワークと,後続の2ストリーム構造に基づく動作分類ネットワークからなる自動GM分類手法を提案する。
提案手法は,gms分類に必要な時空間的特徴を効率的に抽出し,異なる記録環境における無関係情報への過剰適合を防止できる。
提案手法は乳幼児100名から得られたビデオを用いて検証した。
実験の結果,提案手法はいくつかのベースラインモデルや既存手法よりも優れていた。
関連論文リスト
- Advancing Newborn Care: Precise Birth Time Detection Using AI-Driven Thermal Imaging with Adaptive Normalization [1.101731711817642]
本稿では,人工知能(AI)とサーマルイメージングの融合について検討し,第1次AI駆動型バース検出器の開発について述べる。
まず,ガウス混合モデル(GMM)に基づく適応正規化手法を提案し,温度変動に関する問題を緩和する。
熱フレーム内での新生児の検出において、88.1%の精度と89.3%のリコールが報告されている。
論文 参考訳（メタデータ） (2024-10-14T13:20:51Z) - Classifier Guidance Enhances Diffusion-based Adversarial Purification by Preserving Predictive Information [75.36597470578724]
敵の浄化は、敵の攻撃からニューラルネットワークを守るための有望なアプローチの1つである。
分類器決定境界から遠ざかって, 清浄するgUided Purification (COUP)アルゴリズムを提案する。
実験結果から, COUPは強力な攻撃法でより優れた対向的堅牢性が得られることが示された。
論文 参考訳（メタデータ） (2024-08-12T02:48:00Z) - Modeling 3D Infant Kinetics Using Adaptive Graph Convolutional Networks [2.2279946664123664]
自発運動、運動学(orkinetics)は、今後の神経発達の強力なサロゲート指標を提供する。
そこで本研究では,個々の運動パターンのデータ駆動評価に基づいて,乳幼児の成熟を予測するための代替手法を提案する。
論文 参考訳（メタデータ） (2024-02-22T09:34:48Z) - Introducing SSBD+ Dataset with a Convolutional Pipeline for detecting
Self-Stimulatory Behaviours in Children using raw videos [1.1874952582465603]
著者らは,自閉症スペクトラム障害(ASD)の診断に役立つ,ある種の自己刺激行動を検出するための,パイプライン型ディープラーニングアーキテクチャを提案する。
リアルタイムおよびハンズフリーの自動診断を目的としたパイプラインモデルにより,全体の81%の精度が達成された。
論文 参考訳（メタデータ） (2023-11-25T16:57:24Z) - Evaluation of self-supervised pre-training for automatic infant movement
classification using wearable movement sensors [2.995873287514728]
乳幼児ウェアラブルMAIJUは、乳幼児の運動性能を病院外環境で自動的に評価する手段を提供する。
そこで本研究では,MAIJU録音の分析に用いる分類器の性能向上について検討した。
論文 参考訳（メタデータ） (2023-05-16T11:46:16Z) - Multi-class versus One-class classifier in spontaneous speech analysis
oriented to Alzheimer Disease diagnosis [58.720142291102135]
本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。
外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
論文 参考訳（メタデータ） (2022-03-21T09:57:20Z) - 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) - Towards Explainable Abnormal Infant Movements Identification: A
Body-part Based Prediction and Visualisation Framework [4.847839438526929]
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。
論文 参考訳（メタデータ） (2021-06-09T10:25:34Z) - Anomaly Detection in Cybersecurity: Unsupervised, Graph-Based and
Supervised Learning Methods in Adversarial Environments [63.942632088208505]
現在の運用環境に固有ののは、敵対的機械学習の実践である。
本研究では,教師なし学習とグラフに基づく異常検出の可能性を検討する。
我々は,教師付きモデルの訓練時に,現実的な対人訓練機構を組み込んで,対人環境における強力な分類性能を実現する。
論文 参考訳（メタデータ） (2021-05-14T10:05:10Z) - Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and
Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。
網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。
近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。
本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。
提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文 参考訳（メタデータ） (2020-04-03T14:07:41Z) - Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant
Disease Diagnosis [64.82680813427054]
植物病は食料安全保障と作物生産に対する主要な脅威の1つである。
1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。
本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-17T09:51:30Z)
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。