論文の概要: Enhancing Speech Articulation Analysis using a Geometric Transformation
of the X-ray Microbeam Dataset
- arxiv url: http://arxiv.org/abs/2305.10775v1
- Date: Thu, 18 May 2023 07:34:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-19 16:23:25.680855
- Title: Enhancing Speech Articulation Analysis using a Geometric Transformation
of the X-ray Microbeam Dataset
- Title（参考訳）: X線マイクロビームデータセットの幾何学的変換を用いた音声調音解析の強化
- Authors: Ahmed Adel Attia, Mark Tiede, Carol Y. Espy-Wilson
- Abstract要約: 音声明瞭度の測定精度を向上する新しい幾何変換を提案する。
当科の貢献は, 咽頭前方線に対する口蓋跡の延長であり, 舌体収縮測定の改善である。
- 参考スコア（独自算出の注目度）: 5.897728689802829
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate analysis of speech articulation is crucial for speech analysis.
However, X-Y coordinates of articulators strongly depend on the anatomy of the
speakers and the variability of pellet placements, and existing methods for
mapping anatomical landmarks in the X-ray Microbeam Dataset (XRMB) fail to
capture the entire anatomy of the vocal tract. In this paper, we propose a new
geometric transformation that improves the accuracy of these measurements. Our
transformation maps anatomical landmarks' X-Y coordinates along the midsagittal
plane onto six relative measures: Lip Aperture (LA), Lip Protusion (LP), Tongue
Body Constriction Location (TTCL), Degree (TBCD), Tongue Tip Constriction
Location (TTCL) and Degree (TTCD). Our novel contribution is the extension of
the palate trace towards the inferred anterior pharyngeal line, which improves
measurements of tongue body constriction.
- Abstract（参考訳）: 音声明瞭度の分析は音声分析に不可欠である。
しかし、調音器のx-y座標は話者の解剖学とペレット配置の変動に大きく依存しており、x-ray microbeamデータセット(xrmb)の解剖学的ランドマークをマッピングする方法は声道全体の解剖学を捉えることができない。
本稿では,これらの測定精度を向上させる新しい幾何学変換を提案する。
我々の変換は, 解剖学的ランドマークのX-Y座標を中矢状面に沿って, 唇開口(LA), 唇隆起(LP), 舌体収縮位置(TTCL), デグリー(TBCD), 舌先端収縮位置(TTCL) およびデグリー(TTCD)の6つの相対的尺度にマッピングした。
本研究は, 舌体収縮の計測精度を向上させる前咽頭線への口蓋裂の進展について検討した。
関連論文リスト
- Reference-Free Multi-Modality Volume Registration of X-Ray Microscopy and Light-Sheet Fluorescence Microscopy [4.09268945311192]
X線顕微鏡と光シート蛍光顕微鏡は、骨改造疾患の予備研究において2つの重要な画像ツールとして登場した。
このような独立して取得した大規模ボリュームを登録することは、実数および参照なしのシナリオでは極めて困難である。
本稿では,XRMとLSFMのボリューム登録のための高速な2段階パイプラインを提案する。
論文 参考訳（メタデータ） (2024-04-23T07:37:43Z) - CT Reconstruction from Few Planar X-rays with Application towards
Low-resource Radiotherapy [20.353246282326943]
先行データ分布を用いた5次元平面X線観測からCTボリュームを生成する手法を提案する。
臨床に関連のある特徴に焦点をあてるために,本モデルは訓練中に解剖学的指導を活用できる。
本手法は, 標準画素, 構造レベルの基準値から, 近年のスパースCT再建基準値よりも優れている。
論文 参考訳（メタデータ） (2023-08-04T01:17:57Z) - Abdominal organ segmentation via deep diffeomorphic mesh deformations [5.4173776411667935]
CTとMRIによる腹部臓器の分節は,手術計画とコンピュータ支援ナビゲーションシステムにとって必須の要件である。
肝, 腎, 膵, 脾の分節に対するテンプレートベースのメッシュ再構成法を応用した。
結果として得られたUNetFlowは4つの器官すべてによく当てはまり、新しいデータに基づいて簡単に微調整できる。
論文 参考訳（メタデータ） (2023-06-27T14:41:18Z) - Reconstructing the somatotopic organization of the corticospinal tract
remains a challenge for modern tractography methods [55.07297021627281]
CST(Corticospinal tract)は、人間の脳において、身体の自発的な動きを制御できる重要なホワイトマター線維である。
拡散MRIトラクトグラフィーは、ヒトの健康におけるCST経路の解剖学的および変動性の研究を可能にする唯一の方法である。
論文 参考訳（メタデータ） (2023-06-09T02:05:40Z) - Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via
Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。
解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。
得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文 参考訳（メタデータ） (2023-06-06T18:01:08Z) - Medical Image Captioning via Generative Pretrained Transformers [57.308920993032274]
我々は、Show-Attend-Tell と GPT-3 という2つの言語モデルを組み合わせて、包括的で記述的な放射線学記録を生成する。
提案モデルは、Open-I、MIMIC-CXR、汎用MS-COCOの2つの医療データセットで検証される。
論文 参考訳（メタデータ） (2022-09-28T10:27:10Z) - Context-Aware Transformers For Spinal Cancer Detection and Radiological
Grading [70.04389979779195]
本稿では,脊椎分析に関わる医療画像問題に対するトランスフォーマーを用いた新しいモデルアーキテクチャを提案する。
MR画像におけるそのようなモデルの2つの応用について考察する: (a)脊椎転移の検出と脊椎骨折の関連状況と転移性脊髄圧迫。
画像中の脊椎のコンテキストを考慮することで,SCTは以前に公表したモデルと比較して,いくつかのグレーディングの精度を向上することを示す。
論文 参考訳（メタデータ） (2022-06-27T10:31:03Z) - A unified 3D framework for Organs at Risk Localization and Segmentation
for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする
本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。
提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文 参考訳（メタデータ） (2022-03-01T17:08:41Z) - SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。
SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
論文 参考訳（メタデータ） (2021-11-26T13:47:34Z)
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。