Fugu-MT 論文翻訳(概要): Computer Vision to the Rescue: Infant Postural Symmetry Estimation from Incongruent Annotations

論文の概要: Computer Vision to the Rescue: Infant Postural Symmetry Estimation from Incongruent Annotations

arxiv url: http://arxiv.org/abs/2207.09352v1
Date: Tue, 19 Jul 2022 15:59:40 GMT
ステータス: 処理完了
システム内更新日: 2022-07-20 14:27:18.009561
Title: Computer Vision to the Rescue: Infant Postural Symmetry Estimation from Incongruent Annotations
Title（参考訳）: レスキューへのコンピュータビジョン:伴奏アノテーションによる乳幼児の姿勢対称性の推定
Authors: Xiaofei Huang, Michael Wan, Lingfei Luan, Bethany Tunik, Sarah Ostadabbas
Abstract要約: 両側姿勢対称性は自閉症スペクトラム障害(ASD)のリスクマーカーとして重要な役割を担っている幼児の3次元ポーズ推定を利用したコンピュータビジョンに基づく幼児対称性評価システムを開発した。
参考スコア（独自算出の注目度）: 10.240757129801757
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Bilateral postural symmetry plays a key role as a potential risk marker for autism spectrum disorder (ASD) and as a symptom of congenital muscular torticollis (CMT) in infants, but current methods of assessing symmetry require laborious clinical expert assessments. In this paper, we develop a computer vision based infant symmetry assessment system, leveraging 3D human pose estimation for infants. Evaluation and calibration of our system against ground truth assessments is complicated by our findings from a survey of human ratings of angle and symmetry, that such ratings exhibit low inter-rater reliability. To rectify this, we develop a Bayesian estimator of the ground truth derived from a probabilistic graphical model of fallible human raters. We show that the 3D infant pose estimation model can achieve 68% area under the receiver operating characteristic curve performance in predicting the Bayesian aggregate labels, compared to only 61% from a 2D infant pose estimation model and 60% from a 3D adult pose estimation model, highlighting the importance of 3D poses and infant domain knowledge in assessing infant body symmetry. Our survey analysis also suggests that human ratings are susceptible to higher levels of bias and inconsistency, and hence our final 3D pose-based symmetry assessment system is calibrated but not directly supervised by Bayesian aggregate human ratings, yielding higher levels of consistency and lower levels of inter-limb assessment bias.
Abstract（参考訳）: 両側の姿勢対称性は、自閉症スペクトラム障害(ASD)のリスクマーカーとして重要な役割を担い、乳児の先天性筋トーチオーリス(CMT)の症状としての役割を担っているが、現在の症状評価法は、退屈な臨床評価を必要とする。本稿では,幼児の3次元ポーズ推定を利用したコンピュータビジョンに基づく幼児対称性評価システムの開発を行う。地中真理評価に対するシステムの評価と校正は,人間の角度と対称性を調査した結果から,レータ間の信頼性が低いことが示唆された。そこで本研究では, 誤認識の確率的グラフィカルモデルに基づいて, 基底真理のベイズ推定器を開発した。ベイジアン・アグリゲーション・ラベルの予測において, 3次元の幼児ポーズ推定モデルでは68%, 3次元の成人ポーズ推定モデルでは60%, 3次元の幼児ポーズ推定モデルでは61%, 幼児の身体対称性を評価する上での幼児ドメイン知識の重要性が強調された。また,調査の結果から,人格は高いバイアスや非一貫性に影響を受けやすいことが示唆された。その結果,最終3次元ポーズに基づく対称性評価システムは,ベイジアン集計人格で直接監督されることなく校正され,高い一貫性と低レベルなリムブ間評価バイアスを生じさせる。

関連論文リスト

Beyond correlation: The impact of human uncertainty in measuring the effectiveness of automatic evaluation and LLM-as-a-judge [51.93909886542317]
本稿では,人間の行動と自動評価方法の相違点を,単一の集合相関スコアが明らかにする方法について述べる。本研究では,評価性能のより堅牢な解析を行うために,ラベルの不確実性による階層化結果を提案する。
論文参考訳（メタデータ） (2024-10-03T03:08:29Z)
Anatomy-guided domain adaptation for 3D in-bed human pose estimation [62.3463429269385]
3次元人間のポーズ推定は臨床モニタリングシステムにおいて重要な要素である。ラベル付きソースからシフトしたラベル付きターゲットドメインにモデルを適応させる新しいドメイン適応方式を提案する。我々の手法は、様々な最先端のドメイン適応法より一貫して優れています。
論文参考訳（メタデータ） (2022-11-22T11:34:51Z)
Automatic Assessment of Infant Face and Upper-Body Symmetry as Early Signs of Torticollis [11.187291473332325]
本研究では, データスカース乳幼児領域向けに開発されたコンピュータビジョンのポーズ推定手法を, torticollis の研究に応用した。幼児の顔と上半身の対称性に関する幾何的測度を推定するために,顔のランドマークと身体の関節推定技術を組み合わせた。
論文参考訳（メタデータ） (2022-10-26T20:39:14Z)
Bottom-Up 2D Pose Estimation via Dual Anatomical Centers for Small-Scale Persons [75.86463396561744]
マルチパーソン2Dポーズ推定では、ボトムアップ手法は同時にすべての人のポーズを予測する。本手法は,バウンディングボックス精度を38.4%改善し,バウンディングボックスリコールを39.1%改善した。ヒトのポーズAP評価では,COCOテストデフセット上で新しいSOTA(71.0 AP)を単一スケールテストで達成する。
論文参考訳（メタデータ） (2022-08-25T10:09:10Z)
Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose Estimation [70.32536356351706]
本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
論文参考訳（メタデータ） (2022-03-29T07:14:58Z)
Leveraging Clinically Relevant Biometric Constraints To Supervise A Deep Learning Model For The Accurate Caliper Placement To Obtain Sonographic Measurements Of The Fetal Brain [0.0]
経小脳平面(TC)の2次元USG画像から3つの重要な胎児脳バイオメトリーを計算するための深層学習(DL)手法を提案する。 U-Net DLモデルの精度を向上させるために,臨床的に関連するバイオメトリック制約(校正点間の関連性)とドメイン関連データ拡張を利用した。いずれの場合も、個々のカリパーポイントの配置における平均誤差と計算されたバイオメトリーは、臨床医の誤差率に匹敵するものであった。
論文参考訳（メタデータ） (2022-03-28T04:00:22Z)
Towards human-level performance on automatic pose estimation of infant spontaneous movements [2.7086496937827005]
4種類の畳み込みニューラルネットワークを訓練し、新しい幼児ポーズデータセットを用いて評価した。最高のパフォーマンスのニューラルネットワークは、人間の専門家アノテーションのラッター間拡散に類似したローカライゼーションエラーを持っていた。以上の結果から, 乳児の自発運動の評価は, 周産期脳損傷児の発達障害の早期発見に大きく貢献する可能性が示唆された。
論文参考訳（メタデータ） (2020-10-12T18:17:47Z)
Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
論文参考訳（メタデータ） (2020-10-05T14:18:52Z)
Neural Descent for Visual 3D Human Pose and Shape [67.01050349629053]
入力RGB画像から3次元のポーズと形状を復元するディープニューラルネットワーク手法を提案する。我々は最近導入された表現力のあるボディ統計モデルGHUMに頼っている。我々の方法論の中心は、HUmanNeural Descent (HUND)と呼ばれるアプローチの学習と最適化である。
論文参考訳（メタデータ） (2020-08-16T13:38:41Z)
Preterm infants' pose estimation with spatio-temporal features [7.054093620465401]
本稿では,手足検出・追跡における短期的特徴の活用について紹介する。手足位置推定の実際の臨床実践で得られた深度ビデオを用いた最初の研究である。
論文参考訳（メタデータ） (2020-05-08T09:51:22Z)
Exploring Partial Intrinsic and Extrinsic Symmetry in 3D Medical Imaging [39.5958976939981]
ヒト解剖学のCTにおける不完全な左右対称を検出するための新しい手法を提案する。骨盤骨の構造的に対称な性質を探求し、外傷性外傷患者の片側骨折に対する介入画像増強法として用いられる。
論文参考訳（メタデータ） (2020-03-04T19:08:55Z)

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。