論文の概要: Open video data sharing in developmental and behavioural science
- arxiv url: http://arxiv.org/abs/2207.11020v1
- Date: Fri, 22 Jul 2022 11:47:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-25 12:31:43.214635
- Title: Open video data sharing in developmental and behavioural science
- Title（参考訳）: 発達・行動科学におけるオープンビデオデータ共有
- Authors: Peter B Marschik, Tomas Kulvicius, Sarah Fl\"ugge, Claudius Widmann,
Karin Nielsen-Saines, Martin Schulte-R\"uther, Britta H\"uning, Sven B\"olte,
Luise Poustka, Jeff Sigafoos, Florentin W\"org\"otter, Christa Einspieler,
Dajie Zhang
- Abstract要約: ビデオ記録は、幼児と子供の行動を記録するために広く使われている方法である。
大規模データセットの共有の必要性は依然として高まっている。
プライバシ保護ルールを遵守しながらデータを共有するには、データ識別の取り組みがデータの有用性を低下させるかどうかという重大な問題が発生する。
- 参考スコア（独自算出の注目度）: 1.9312167442699324
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Video recording is a widely used method for documenting infant and child
behaviours in research and clinical practice. Video data has rarely been shared
due to ethical concerns of confidentiality, although the need of shared
large-scaled datasets remains increasing. This demand is even more imperative
when data-driven computer-based approaches are involved, such as screening
tools to complement clinical assessments. To share data while abiding by
privacy protection rules, a critical question arises whether efforts at data
de-identification reduce data utility? We addressed this question by showcasing
the Prechtl's general movements assessment (GMA), an established and globally
practised video-based diagnostic tool in early infancy for detecting
neurological deficits, such as cerebral palsy. To date, no shared
expert-annotated large data repositories for infant movement analyses exist.
Such datasets would massively benefit training and recalibration of human
assessors and the development of computer-based approaches. In the current
study, sequences from a prospective longitudinal infant cohort with a total of
19451 available general movements video snippets were randomly selected for
human clinical reasoning and computer-based analysis. We demonstrated for the
first time that pseudonymisation by face-blurring video recordings is a viable
approach. The video redaction did not affect classification accuracy for either
human assessors or computer vision methods, suggesting an adequate and
easy-to-apply solution for sharing movement video data. We call for further
explorations into efficient and privacy rule-conforming approaches for
deidentifying video data in scientific and clinical fields beyond movement
assessments. These approaches shall enable sharing and merging stand-alone
video datasets into large data pools to advance science and public health.
- Abstract（参考訳）: ビデオ記録は、研究および臨床実践における幼児および子供の行動を記録するために広く用いられている方法である。
ビデオデータは機密性の倫理的な懸念から共有されることは滅多にないが、大規模なデータセットの共有の必要性は増え続けている。
この需要は、臨床評価を補完するスクリーニングツールなど、データ駆動型コンピュータベースのアプローチが関与する場合、さらに重要となる。
プライバシー保護規則に従ってデータを共有するには、データ識別の取り組みがデータの有用性を低下させるのか?
我々は,脳性麻痺などの神経障害を早期に発見するための確立し,グローバルに実践したビデオ診断ツールであるprechtlのgeneral movement assessment(gma)を紹介することで,この問題に対処した。
現在、幼児運動分析のための共有専門家注釈付き大規模データリポジトリは存在しない。
このようなデータセットは、人間の評価者のトレーニングと再校正、およびコンピュータベースのアプローチの開発に大きな恩恵をもたらすだろう。
本研究は, 先天的な乳児のコホートと合計19451個の汎用運動ビデオスニペットのシーケンスを, ヒト臨床推論とコンピュータによる解析のためにランダムに選択したものである。
ビデオ録画による偽名化が有効なアプローチであることは,今回初めて実証した。
ビデオのリアクションは人間のアセスメントやコンピュータビジョンの手法の分類精度に影響を与えず、動画データを共有するのに適切かつ容易に対応できる解決策を示唆した。
我々は,移動アセスメント以外の科学・臨床分野における映像データを識別するための効率的かつプライバシルールに適合するアプローチについて,さらなる調査を要請する。
これらのアプローチにより、スタンドアローンのビデオデータセットの共有とマージが可能になり、科学と公衆衛生を向上する。
関連論文リスト
- Advanced Gesture Recognition in Autism: Integrating YOLOv7, Video Augmentation and VideoMAE for Video Analysis [9.162792034193373]
本研究は, 子どもが日常活動を行う際に, 自然環境下で撮影した映像を分析し, 自閉症を示唆する反復行動を特定することを目的とする。
焦点は、回転、ヘッドバンピング、腕の羽ばたきといったリアルタイムの反復的なジェスチャーを正確に分類することである。
提案手法の重要な構成要素は、ビデオデータの空間的・時間的分析を改善するモデルである textbfVideoMAE の利用である。
論文 参考訳（メタデータ） (2024-10-12T02:55:37Z) - Challenges in Video-Based Infant Action Recognition: A Critical
Examination of the State of the Art [9.327466428403916]
InfActPrimitive’という,5つの重要な幼児マイルストーンアクションカテゴリを含む,画期的なデータセットを紹介します。
近縁骨格に基づく行動認識モデルを用いた広範囲な比較分析を行う。
以上の結果から,PoseC3Dモデルでは約71%の精度で高い精度を達成できたが,残りのモデルでは乳幼児行動の動態を正確に把握することが困難であった。
論文 参考訳（メタデータ） (2023-11-21T02:36:47Z) - Learning Human Action Recognition Representations Without Real Humans [66.61527869763819]
そこで本研究では,仮想人間を含む合成データを用いて,実世界の映像を活用してモデルを事前学習するベンチマークを提案する。
次に、このデータに基づいて学習した表現を、下流行動認識ベンチマークの様々なセットに転送可能であるかを評価する。
私たちのアプローチは、以前のベースラインを最大5%上回ります。
論文 参考訳（メタデータ） (2023-11-10T18:38:14Z) - Video object detection for privacy-preserving patient monitoring in
intensive care [0.0]
ビデオフレームの時間的継承における情報を活用する新しい手法を提案する。
我々のメソッドは標準のYOLOv5ベースラインモデルを+1.7%mAP@.5で上回り、プロプライエタリなデータセットで10倍以上高速にトレーニングします。
論文 参考訳（メタデータ） (2023-06-26T11:52:22Z) - Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。
アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
論文 参考訳（メタデータ） (2023-05-25T16:29:16Z) - When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning
Framework in Classification of Medical Images on Limited Data: A COVID-19
Case Study [77.34726150561087]
新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。
CNNは医療画像の解析に広く利用され、検証されている。
論文 参考訳（メタデータ） (2022-03-24T02:09:41Z) - Practical Challenges in Differentially-Private Federated Survival
Analysis of Medical Data [57.19441629270029]
本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。
小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。
DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
論文 参考訳（メタデータ） (2022-02-08T10:03:24Z) - A Deep Learning Approach to Private Data Sharing of Medical Images Using
Conditional GANs [1.2099130772175573]
COSENTYX (secukinumab) Ankylosing Spondylitis の臨床的検討に基づいて合成データセットを生成する方法を提案する。
本稿では, 画像の忠実度, サンプルの多様性, データセットのプライバシーの3つの重要な指標について, 合成データセットを生成し, その特性を詳細に分析する手法を提案する。
論文 参考訳（メタデータ） (2021-06-24T17:24:06Z) - Ultrasound Video Summarization using Deep Reinforcement Learning [12.320114045092291]
本稿では,医療用ビデオデータのニーズに合わせて,完全自動要約手法を提案する。
本手法は, 代替映像要約法よりも優れており, 臨床診断基準に要求される必須情報を保存できることが示唆された。
論文 参考訳（メタデータ） (2020-05-19T15:44:18Z) - LRTD: Long-Range Temporal Dependency based Active Learning for Surgical
Workflow Recognition [67.86810761677403]
本稿では,費用対効果の高い手術ビデオ解析のための新しい能動的学習法を提案する。
具体的には,非局所的再帰的畳み込みネットワーク (NL-RCNet) を提案する。
手術ワークフロー認識タスクを実行することで,大規模な手術ビデオデータセット(Cholec80)に対するアプローチを検証する。
論文 参考訳（メタデータ） (2020-04-21T09:21:22Z) - Self-trained Deep Ordinal Regression for End-to-End Video Anomaly
Detection [114.9714355807607]
ビデオ異常検出に自己学習深層順序回帰を適用することで,既存の手法の2つの重要な限界を克服できることを示す。
我々は,手動で正規/異常データをラベル付けすることなく,共同表現学習と異常スコアリングを可能にする,エンドツーエンドのトレーニング可能なビデオ異常検出手法を考案した。
論文 参考訳（メタデータ） (2020-03-15T08:44:55Z)
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。