論文の概要: Few-Shot Meta Learning for Recognizing Facial Phenotypes of Genetic Disorders

• arxiv url: http://arxiv.org/abs/2210.12705v1
• Date: Sun, 23 Oct 2022 11:52:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 21:10:55.035675
• Title: Few-Shot Meta Learning for Recognizing Facial Phenotypes of Genetic Disorders
• Title（参考訳）: 遺伝的障害の顔面形態認識のためのFew-Shotメタラーニング
• Authors: \"Omer S\"umer, Fabio Hellmann, Alexander Hustinx, Tzung-Chien Hsieh, Elisabeth Andr\'e, Peter Krawitz
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 55.41644538483948
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computer vision-based methods have valuable use cases in precision medicine, and recognizing facial phenotypes of genetic disorders is one of them. Many genetic disorders are known to affect faces' visual appearance and geometry. Automated classification and similarity retrieval aid physicians in decision-making to diagnose possible genetic conditions as early as possible. Previous work has addressed the problem as a classification problem and used deep learning methods. The challenging issue in practice is the sparse label distribution and huge class imbalances across categories. Furthermore, most disorders have few labeled samples in training sets, making representation learning and generalization essential to acquiring a reliable feature descriptor. In this study, we used a facial recognition model trained on a large corpus of healthy individuals as a pre-task and transferred it to facial phenotype recognition. Furthermore, we created simple baselines of few-shot meta-learning methods to improve our base feature descriptor. Our quantitative results on GestaltMatcher Database show that our CNN baseline surpasses previous works, including GestaltMatcher, and few-shot meta-learning strategies improve retrieval performance in frequent and rare classes.
• Abstract（参考訳）: コンピュータビジョンに基づく手法は、精密医学において有用な応用例であり、遺伝的障害の顔面表現型を認識することもその1つである。 多くの遺伝的障害は、顔の外観や形状に影響することが知られている。 自動分類と類似性検索は、医師が可能な限り早期に遺伝子疾患を診断する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、ディープラーニング手法を用いた。 実践上の課題は、スパースラベルの分布とカテゴリ間の大きなクラス不均衡である。 さらに、ほとんどの障害はトレーニングセットにラベル付きサンプルはほとんどなく、表現学習と一般化が信頼できる特徴記述子を取得する上で不可欠である。 本研究では,健常者の大規模コーパスで学習した顔認識モデルを用いて,顔の表現型認識に応用した。 さらに,ベース機能のディスクリプタを改善するために,少数のメタ学習メソッドのベースラインをシンプルに作成しました。 gestaltmatcherデータベースにおける定量的な結果から,cnnのベースラインは,gestaltmatcherを含む従来の研究を上回っており,頻繁で希少なクラスでの検索性能の向上を目標としている。

関連論文リスト

• GestaltMML: Enhancing Rare Genetic Disease Diagnosis through Multimodal Machine Learning Combining Facial Images and Clinical Texts [8.805728428427457]
  本稿では,Transformerアーキテクチャのみに基づくマルチモーダル機械学習(MML)アプローチを提案する。 顔画像、人口統計情報(年齢、性別、民族)、臨床メモを統合して予測精度を向上させる。
  論文  参考訳（メタデータ） (2023-12-23T18:40:25Z)
• Few-Shot Classification of Skin Lesions from Dermoscopic Images by Meta-Learning Representative Embeddings [1.957558771641347]
  稀な疾患と新規疾患の診断のための注釈付き画像と根拠真理は乏しい。 少ないショットラーニングとメタラーニングは、低いデータレシエーションでうまく機能することを目指して、これらの問題を克服することを目的としている。 本稿では,皮膚内視鏡画像の分類におけるメタラーニングの改善に焦点をあてる。
  論文  参考訳（メタデータ） (2022-10-30T21:27:15Z)
• Towards Intrinsic Common Discriminative Features Learning for Face Forgery Detection using Adversarial Learning [59.548960057358435]
  本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。 我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
  論文  参考訳（メタデータ） (2022-07-08T09:23:59Z)
• Continual Learning with Bayesian Model based on a Fixed Pre-trained Feature Extractor [55.9023096444383]
  現在のディープラーニングモデルは、新しいクラスを学ぶ際に古い知識を破滅的に忘れることによって特徴づけられる。 人間の脳における新しい知識の学習プロセスに着想を得て,連続学習のためのベイズ生成モデルを提案する。
  論文  参考訳（メタデータ） (2022-04-28T08:41:51Z)
• Challenges and Opportunities for Machine Learning Classification of Behavior and Mental State from Images [3.7445390865272588]
  コンピュータビジョン(CV)分類器は、非言語的社会的行動と精神状態を識別し、検出する。 行動表現の過程を試みようとすると、いくつかの痛点が生じる。 データキュレーション、データ拡張、クラウドソースラベリング、アクティブラーニング、強化学習、生成モデル、表現学習、フェデレーション学習、メタラーニングなど、CVにおける最先端の研究成果について論じる。
  論文  参考訳（メタデータ） (2022-01-26T21:35:17Z)
• Hierarchical Knowledge Guided Learning for Real-world Retinal Diseases Recognition [20.88407972858568]
  眼科AIで最近発表されたいくつかのデータセットは、40種類以上の網膜疾患からなり、複雑な異常と様々な致死性がある。 モデリングの観点からは、これらのデータセットでトレーニングされたほとんどのディープラーニングモデルは、まれな疾患に一般化する能力に欠ける可能性がある。 本稿では,網膜疾患認識のための長期データベースから深部ニューラルネットワークを学習するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-11-17T05:44:39Z)
• Relational Subsets Knowledge Distillation for Long-tailed Retinal Diseases Recognition [65.77962788209103]
  本研究では,長尾データを知識に基づいて複数のクラスサブセットに分割し,クラスサブセット学習を提案する。 モデルがサブセット固有の知識の学習に集中するように強制する。 提案手法は長期網膜疾患認識タスクに有効であることが判明した。
  論文  参考訳（メタデータ） (2021-04-22T13:39:33Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
  胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。 また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
  論文  参考訳（メタデータ） (2020-07-21T14:37:00Z)

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。