論文の概要: Study on the identification limits of craniofacial superimposition
- arxiv url: http://arxiv.org/abs/2301.09461v1
- Date: Mon, 23 Jan 2023 14:46:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-24 13:25:51.205006
- Title: Study on the identification limits of craniofacial superimposition
- Title(参考訳): 頭蓋顔面重ね合わせの識別限界に関する研究
- Authors: \'Oscar Ib\'a\~nez, Enrique Bermejo, Andrea Valsecchi
- Abstract要約: この研究は、ランドマークに基づく自動3D/2D重ね合わせ法による100万回以上の比較実験を含む。
分析対象は被験者320名,頭蓋顔面のランドマーク29名であった。
- 参考スコア(独自算出の注目度): 0.6875312133832077
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Craniofacial Superimposition involves the superimposition of an image of a
skull with a number of ante-mortem face images of an individual and the
analysis of their morphological correspondence. Despite being used for one
century, it is not yet a mature and fully accepted technique due to the absence
of solid scientific approaches, significant reliability studies, and
international standards. In this paper we present a comprehensive
experimentation on the limitations of Craniofacial Superimposition as a
forensic identification technique. The study involves different experiments
over more than 1 Million comparisons performed by a landmark-based automatic
3D/2D superimposition method. The total sample analyzed consists of 320
subjects and 29 craniofacial landmarks.
- Abstract(参考訳): 頭蓋顔面の重ね合わせは、頭蓋骨の像と多数の人物のアンテモーテム顔像の重ね合わせと、その形態的対応の分析を含む。
1世紀にわたって使われてきたが、堅固な科学的アプローチ、重要な信頼性研究、国際標準がないため、まだ成熟して完全に受け入れられた技術ではない。
本稿では,鑑識識別技術としての頭蓋顔面重ね合わせの限界に関する包括的実験を行う。
この研究は、ランドマークに基づく自動3D/2D重ね合わせ法による100万回以上の比較実験を含む。
分析対象は320名, 頭蓋顔面ランドマーク29名であった。
関連論文リスト
- Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳(メタデータ) (2022-06-14T10:16:54Z) - Mitosis domain generalization in histopathology images -- The MIDOG
challenge [12.69088811541426]
病理学者による有糸分裂像の認識は、強い層間バイアスを受けており、予後の値が制限される。
最先端のディープラーニング手法は、この評価のエキスパートを支援することができるが、トレーニングに使われたものとは異なる臨床環境に適用した場合、非常に劣化することが知られている。
MICCAI MIDOG 2021の課題は、スキャナ非依存性ミトーシス検出アルゴリズムを導出する手法の提案と評価である。
論文 参考訳(メタデータ) (2022-04-06T11:43:10Z) - SynthStrip: Skull-Stripping for Any Brain Image [7.846209440615028]
我々は,学習に基づく迅速な脳抽出ツールであるSynthStripを紹介した。
解剖学的セグメンテーションを活用することで、SynthStripは、解剖学、強度分布、および医療画像の現実的な範囲をはるかに超える人工的なトレーニングデータセットを生成する。
一般的な頭蓋骨切断ベースラインよりも精度が大幅に向上した。
論文 参考訳(メタデータ) (2022-03-18T14:08:20Z) - Unsupervised Anomaly Detection in 3D Brain MRI using Deep Learning with
Multi-Task Brain Age Prediction [53.122045119395594]
ディープラーニングを用いた脳MRIにおける教師なし異常検出(UAD)は有望な結果を示した。
年齢情報を考慮した3次元脳MRIにおけるUDAの深層学習を提案する。
そこで本研究では,マルチタスク年齢予測を用いた新しい深層学習手法を提案する。
論文 参考訳(メタデータ) (2022-01-31T09:39:52Z) - Quantitative Matching of Forensic Evidence Fragments Utilizing 3D
Microscopy Analysis of Fracture Surface Replicas [5.972817168503091]
10種類のステンレス鋼の破断試料を制御条件下で同じ金属棒から破断し, 標準鋳造法を用いて鋳造した。
6つの3次元トポロジカルマップと50%のオーバーラップが得られた。
整合した表面と整合しない表面のペアの確率を特定するための決定ルールが開発された。
論文 参考訳(メタデータ) (2021-09-24T13:59:52Z) - Automatic and explainable grading of meningiomas from histopathology
images [4.72477127235866]
スライド画像全体から全自動髄膜腫を鑑別する3つのアプローチを提示・比較した。
すべてのアプローチはWHOグレードと高い相関関係を持つ。
論文 参考訳(メタデータ) (2021-07-19T13:05:51Z) - Deep Learning Body Region Classification of MRI and CT examinations [5.511558765147004]
CTおよびMRIの身体領域を識別するためにCNNベースの分類器が開発された。
AIモデルのトレーニング、検証、テストのために3つのレトロスペクティブデータベースが構築された。
画像レベルの予測精度はCTでは91.9%(90.2~92.1)、MRIでは94.2%(92.0~95.6)であった。
論文 参考訳(メタデータ) (2021-04-28T15:20:21Z) - Towards Ultrafast MRI via Extreme k-Space Undersampling and
Superresolution [65.25508348574974]
我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。
低解像を補うための強力な深層学習に基づく画像強化手法を検討する。
復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
論文 参考訳(メタデータ) (2021-03-04T10:45:01Z) - A New Screening Method for COVID-19 based on Ocular Feature Recognition
by Machine Learning Tools [66.20818586629278]
コロナウイルス感染症2019(COVID-19)は、数百万人に影響している。
一般的なCCDやCMOSカメラで撮影された視線領域の画像を分析する新しいスクリーニング手法は、新型コロナウイルスの急激なリスクスクリーニングを確実に実現する可能性がある。
論文 参考訳(メタデータ) (2020-09-04T00:50:27Z) - Patch-based Brain Age Estimation from MR Images [64.66978138243083]
磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。
より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。
我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
論文 参考訳(メタデータ) (2020-08-29T11:50:37Z) - Spatio-spectral deep learning methods for in-vivo hyperspectral
laryngeal cancer detection [49.32653090178743]
頭頸部腫瘍の早期発見は患者の生存に不可欠である。
ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。
HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
論文 参考訳(メタデータ) (2020-04-21T17:07:18Z)
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。