論文の概要: Towards early prediction of neurodevelopmental disorders: Computational
model for Face Touch and Self-adaptors in Infants
- arxiv url: http://arxiv.org/abs/2301.02911v1
- Date: Sat, 7 Jan 2023 18:08:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-10 17:01:41.319830
- Title: Towards early prediction of neurodevelopmental disorders: Computational
model for Face Touch and Self-adaptors in Infants
- Title（参考訳）: 発達障害の早期予測に向けて:幼児の顔触覚と自己適応の計算モデル
- Authors: Bruno Tafur, Marwa Mahmoud and Staci Weiss
- Abstract要約: 乳児の運動を評価することは、発達障害の発症リスクを理解する鍵となる。
心理学における以前の研究は、赤ちゃんの顔の触覚などの特定の動きやジェスチャーを測定することは、赤ちゃんが自分自身とその文脈をどのように理解しているかを分析するのに不可欠であることを示した。
本研究は,乳幼児の動作やジェスチャーを追跡することによって,映像記録から顔の触覚を検出する,最初の自動アプローチを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Infants' neurological development is heavily influenced by their motor
skills. Evaluating a baby's movements is key to understanding possible risks of
developmental disorders in their growth. Previous research in psychology has
shown that measuring specific movements or gestures such as face touches in
babies is essential to analyse how babies understand themselves and their
context. This research proposes the first automatic approach that detects face
touches from video recordings by tracking infants' movements and gestures. The
study uses a multimodal feature fusion approach mixing spatial and temporal
features and exploits skeleton tracking information to generate more than 170
aggregated features of hand, face and body. This research proposes data-driven
machine learning models for the detection and classification of face touch in
infants. We used cross dataset testing to evaluate our proposed models. The
models achieved 87.0% accuracy in detecting face touches and 71.4%
macro-average accuracy in detecting specific face touch locations with
significant improvements over Zero Rule and uniform random chance baselines.
Moreover, we show that when we run our model to extract face touch frequencies
of a larger dataset, we can predict the development of fine motor skills during
the first 5 months after birth.
- Abstract（参考訳）: 幼児の神経発達は運動能力に大きく影響されている。
乳児の運動を評価することは、発達障害の発症リスクを理解する鍵となる。
心理学における以前の研究は、赤ちゃんの顔の触覚などの特定の動きやジェスチャーを測定することは、赤ちゃんが自分自身とその文脈をどのように理解しているかを分析するのに不可欠であることを示した。
本研究は,乳幼児の動作やジェスチャーを追跡し,ビデオ記録から顔のタッチを検出する最初の自動アプローチを提案する。
この研究は、空間的特徴と時間的特徴を混合したマルチモーダル特徴融合アプローチを用いており、骨格追跡情報を利用して、手、顔、身体の170以上の集約特徴を生成する。
本研究では,幼児の顔面接触の検出と分類のためのデータ駆動機械学習モデルを提案する。
提案したモデルを評価するために、クロスデータセットテストを使用しました。
モデルはフェイスタッチの検出において87.0%の精度と71.4%のマクロ平均精度を達成し、ゼロルールと均一なランダムチャンスベースラインを大きく改善した。
さらに,より大規模なデータセットの顔触覚周波数を抽出するためにモデルを実行すると,出生後5ヶ月の運動能力の発達を予測できることを示した。
関連論文リスト
- Neural Lineage [56.34149480207817]
本稿では,親子間の系統関係の発見を目的としたニューラルライン検出という新しいタスクを提案する。
実用上,ニューラルネットワーク表現類似度指標に微調整プロセスの近似を組み込んだ学習自由アプローチを導入する。
精度を追求するために,エンコーダと変圧器検出器からなる学習系系統検出装置を導入する。
論文 参考訳（メタデータ） (2024-06-17T01:11:53Z) - 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) - 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) - NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical
Development Patterns of Preterm Infants [73.85768093666582]
我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。
NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
論文 参考訳（メタデータ） (2023-01-01T12:48:12Z) - Neurodevelopmental Phenotype Prediction: A State-of-the-Art Deep
Learning Model [0.0]
我々は,新生児の皮質表面データを解析するためにディープニューラルネットワークを適用した。
我々の目標は、神経発達のバイオマーカーを特定し、これらのバイオマーカーに基づいて出生時の妊娠年齢を予測することである。
論文 参考訳（メタデータ） (2022-11-16T11:15:23Z) - Robust Neonatal Face Detection in Real-world Clinical Settings [4.263900348596098]
現在の顔検出アルゴリズムは極めて一般化されており、成人の顔を検出する際に適切な精度を得ることができる。
臨床環境でラベル付き新生児顔を含むプロプライエタリなデータセット上で、最先端の顔検出モデルYou-Only-Look-Onceをトレーニングすることにより、ほぼリアルタイムな新生児顔検出を実現する。
予備的な所見は68.7%の精度を示し、外殻溶液は7.37%の精度で新生児の顔を検出した。
論文 参考訳（メタデータ） (2022-04-01T18:50:47Z) - Voxel-level Importance Maps for Interpretable Brain Age Estimation [70.5330922395729]
本稿では,畳み込みニューラルネットワークを用いた3次元脳磁気共鳴(MR)画像からの脳年齢回帰の課題に着目した。
予測モデルの性能を損なうことなく、できるだけ多くのノイズを入力に追加することを目的としたノイズモデルを実装した。
本手法は,英国バイオバンクの13750個の脳MR画像を用いて検討し,既存の神経病理学文献と一致している。
論文 参考訳（メタデータ） (2021-08-11T18:08:09Z) - 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) - A Developmental Neuro-Robotics Approach for Boosting the Recognition of
Handwritten Digits [91.3755431537592]
近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。
本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
論文 参考訳（メタデータ） (2020-03-23T14:55:00Z) - 1-D Convlutional Neural Networks for the Analysis of Pupil Size
Variations in Scotopic Conditions [79.71065005161566]
1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。
モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
論文 参考訳（メタデータ） (2020-02-06T17:25:37Z) - Continuous Emotion Recognition via Deep Convolutional Autoencoder and
Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。
ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。
表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文 参考訳（メタデータ） (2020-01-31T17:47:16Z)
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。