論文の概要: Automatic Estimation of Self-Reported Pain by Trajectory Analysis in the Manifold of Fixed Rank Positive Semi-Definite Matrices

• arxiv url: http://arxiv.org/abs/2209.01813v1
• Date: Mon, 5 Sep 2022 07:48:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-07 14:01:39.080692
• Title: Automatic Estimation of Self-Reported Pain by Trajectory Analysis in the Manifold of Fixed Rank Positive Semi-Definite Matrices
• Title（参考訳）: 定位正定値行列のマニフォールドにおける軌跡解析による自己申告痛の自動推定
• Authors: Benjamin Szczapa, Mohamed Daoudi, Stefano Berretti, Pietro Pala, Alberto Del Bimbo, Zakia Hammal
• Abstract要約: ビデオから抽出した顔のランドマークに基づいて自己申告した痛みを自動的に推定する手法を提案する。 それぞれのビデオシーケンスに対して,顔を4つの異なる領域に分解し,顔の動きのダイナミクスをモデル化して痛みの強度を測定する。
• 参考スコア（独自算出の注目度）: 23.615516907842572
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose an automatic method to estimate self-reported pain based on facial landmarks extracted from videos. For each video sequence, we decompose the face into four different regions and the pain intensity is measured by modeling the dynamics of facial movement using the landmarks of these regions. A formulation based on Gram matrices is used for representing the trajectory of landmarks on the Riemannian manifold of symmetric positive semi-definite matrices of fixed rank. A curve fitting algorithm is used to smooth the trajectories and temporal alignment is performed to compute the similarity between the trajectories on the manifold. A Support Vector Regression classifier is then trained to encode extracted trajectories into pain intensity levels consistent with self-reported pain intensity measurement. Finally, a late fusion of the estimation for each region is performed to obtain the final predicted pain level. The proposed approach is evaluated on two publicly available datasets, the UNBCMcMaster Shoulder Pain Archive and the Biovid Heat Pain dataset. We compared our method to the state-of-the-art on both datasets using different testing protocols, showing the competitiveness of the proposed approach.
• Abstract（参考訳）: ビデオから抽出した顔のランドマークに基づいて自己報告した痛みを自動的に推定する手法を提案する。 各映像列について, 表情を4つの異なる領域に分解し, これらの領域のランドマークを用いて顔面運動のダイナミックスをモデル化し, 痛み強度を測定した。 グラム行列に基づく定式化は、固定階の対称正半定値行列のリーマン多様体上のランドマークの軌跡を表すために用いられる。 曲線フィッティングアルゴリズムを用いて軌道を滑らかにし、多様体上の軌道間の類似性を計算するために時間的アライメントを行う。 サポートベクトル回帰分類器は、抽出された軌跡を自己申告した痛み強度測定と一致した痛み強度レベルに符号化するように訓練される。 最後に、各領域に対する推定の後期融合を行い、最終的な予測痛みレベルを得る。 提案手法は、UNBCMcMaster Shoulder Pain ArchiveとBiovid Heat Pain datasetの2つの公開データセットで評価されている。 提案手法を,異なるテストプロトコルを用いて両データセットの最先端と比較し,提案手法の競合性を示した。

関連論文リスト

• DenseSeg: Joint Learning for Semantic Segmentation and Landmark Detection Using Dense Image-to-Shape Representation [1.342749532731493]
  本稿では,ランドマークとセマンティックセグメンテーションの併用学習を可能にする画像と形状の濃密な表現を提案する。 本手法では,解剖学的対応の表現による任意のランドマークの抽出を直感的に行うことができる。
  論文  参考訳（メタデータ） (2024-05-30T06:49:59Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Pain level and pain-related behaviour classification using GRU-based sparsely-connected RNNs [61.080598804629375]
  慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。 この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。 我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。 本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
  論文  参考訳（メタデータ） (2022-12-20T12:56:28Z)
• VAESim: A probabilistic approach for self-supervised prototype discovery [0.23624125155742057]
  条件付き変分オートエンコーダに基づく画像階層化アーキテクチャを提案する。 我々は、連続した潜伏空間を用いて障害の連続を表現し、訓練中にクラスターを見つけ、画像/患者の成層に使用することができる。 本手法は,標準VAEに対して,分類タスクで測定されたkNN精度において,ベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-25T17:55:31Z)
• PCA: Semi-supervised Segmentation with Patch Confidence Adversarial Training [52.895952593202054]
  医用画像セグメンテーションのためのPatch Confidence Adrial Training (PCA) と呼ばれる半教師付き対向法を提案する。 PCAは各パッチの画素構造とコンテキスト情報を学習し、十分な勾配フィードバックを得る。 本手法は, 医用画像のセグメンテーションにおいて, 最先端の半教師付き手法より優れており, その有効性を示している。
  論文  参考訳（メタデータ） (2022-07-24T07:45:47Z)
• An Embarrassingly Simple Consistency Regularization Method for Semi-Supervised Medical Image Segmentation [0.0]
  医用画像のセグメンテーションタスクでは,ピクセルレベルのアノテーションの不足が問題となっている。 半教師付き医用画像セグメンテーションのための計算ベースミキシングを含む新しい正規化戦略を導入する。
  論文  参考訳（メタデータ） (2022-02-01T16:21:14Z)
• CNN Based Segmentation of Infarcted Regions in Acute Cerebral Stroke Patients From Computed Tomography Perfusion Imaging [2.1626699124055504]
  血栓溶解療法は脳損傷を軽減できるが、治療窓は狭い。 Computed To Perfusion Imagingは、脳卒中患者の一般的な一次評価ツールです。 完全自動化された4次元畳み込みニューラルネットワークに基づくセグメンテーション手法を提案する。
  論文  参考訳（メタデータ） (2021-04-07T09:09:13Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Automatic Estimation of Self-Reported Pain by Interpretable Representations of Motion Dynamics [23.615516907842572]
  本稿では,ビデオからの痛み強度自動計測手法を提案する。 各ビデオでは,66個の顔点を用いて顔面運動のダイナミクスを用いて痛みの強度を測定した。 サポートベクトル回帰モデルは、抽出された軌跡を10の痛み強度レベルにエンコードするように訓練された。
  論文  参考訳（メタデータ） (2020-06-24T17:08:16Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• Asymptotic Analysis of an Ensemble of Randomly Projected Linear Discriminants [94.46276668068327]
  [1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。 我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。 また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
  論文  参考訳（メタデータ） (2020-04-17T12:47:04Z)

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。