論文の概要: Fully automated landmarking and facial segmentation on 3D photographs
- arxiv url: http://arxiv.org/abs/2309.10472v1
- Date: Tue, 19 Sep 2023 09:39:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-20 15:13:09.515723
- Title: Fully automated landmarking and facial segmentation on 3D photographs
- Title（参考訳）: 3d写真における完全自動ランドマークと顔セグメンテーション
- Authors: Bo Berends, Freek Bielevelt, Ruud Schreurs, Shankeeth Vinayahalingam,
Thomas Maal and Guido de Jong
- Abstract要約: 本研究の目的は,深層学習を用いた自動頭蓋計測法の開発と評価である。
10個のランドマークが1人の観察者によって2897の顔写真に手動で注釈付けされた。
ワークフローはすべてのテストケースの98.6%で成功した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Three-dimensional facial stereophotogrammetry provides a detailed
representation of craniofacial soft tissue without the use of ionizing
radiation. While manual annotation of landmarks serves as the current gold
standard for cephalometric analysis, it is a time-consuming process and is
prone to human error. The aim in this study was to develop and evaluate an
automated cephalometric annotation method using a deep learning-based approach.
Ten landmarks were manually annotated on 2897 3D facial photographs by a single
observer. The automated landmarking workflow involved two successive
DiffusionNet models and additional algorithms for facial segmentation. The
dataset was randomly divided into a training and test dataset. The training
dataset was used to train the deep learning networks, whereas the test dataset
was used to evaluate the performance of the automated workflow. The precision
of the workflow was evaluated by calculating the Euclidean distances between
the automated and manual landmarks and compared to the intra-observer and
inter-observer variability of manual annotation and the semi-automated
landmarking method. The workflow was successful in 98.6% of all test cases. The
deep learning-based landmarking method achieved precise and consistent landmark
annotation. The mean precision of 1.69 (+/-1.15) mm was comparable to the
inter-observer variability (1.31 +/-0.91 mm) of manual annotation. The
Euclidean distance between the automated and manual landmarks was within 2 mm
in 69%. Automated landmark annotation on 3D photographs was achieved with the
DiffusionNet-based approach. The proposed method allows quantitative analysis
of large datasets and may be used in diagnosis, follow-up, and virtual surgical
planning.
- Abstract（参考訳）: 3次元顔ステレオフォトグラメトリーは、イオン化放射線を使わずに、頭蓋骨軟組織の詳細な表現を提供する。
ランドマークのマニュアルアノテーションは、現在脳波分析の標準となっているが、それは時間を要するプロセスであり、ヒューマンエラーの傾向にある。
本研究の目的は,深層学習に基づくアプローチを用いて,自動脳波アノテーション法を開発し,評価することであった。
10個のランドマークが1人の観察者によって2897の顔写真に手動で注釈付けされた。
自動ランドマークワークフローには、2つの連続したDiffusionNetモデルと、顔のセグメンテーションのための追加アルゴリズムが含まれていた。
データセットはランダムにトレーニングとテストデータセットに分割された。
トレーニングデータセットはディープラーニングネットワークのトレーニングに使用され、テストデータセットは自動ワークフローのパフォーマンスを評価するために使用された。
自動ランドマークと手動ランドマーク間のユークリッド距離を計算し,手動アノテーションと半自動ランドマーク法との比較により,ワークフローの精度を評価した。
ワークフローはすべてのテストケースの98.6%で成功した。
ディープラーニングに基づくランドマーク化手法は,正確かつ一貫したランドマークアノテーションを実現している。
1.69mm (+/-1.15 mm) の平均精度は、マニュアルアノテーションのobserver間変動(1.31 +/-0.91 mm)と同等であった。
オートマチックとマニュアルのランドマークの間のユークリッド距離は69%で2mm以内であった。
DiffusionNetベースのアプローチにより、3D写真のランドマークの自動アノテーションが達成された。
提案手法は,大規模データセットの定量的解析を可能にし,診断,フォローアップ,仮想手術計画に使用できる。
関連論文リスト
- An edge detection-based deep learning approach for tear meniscus height measurement [20.311238180811404]
深層学習フレームワークにおけるエッジ検出支援アノテーションに基づく自動TMH計測手法を提案する。
瞳孔領域と裂孔領域のセグメンテーションを改善するために、畳み込みニューラルネットワークInceptionv3が最初に実装された。
このアルゴリズムは、その品質に基づいて画像を自動的にスクリーニングし、瞳孔と涙孔領域を分離し、TMHを自動的に測定する。
論文 参考訳（メタデータ） (2024-03-23T14:16:26Z) - Neural Semantic Surface Maps [52.61017226479506]
本稿では,2つの属とゼロの形状の地図を自動計算する手法を提案する。
提案手法は,手動のアノテーションや3Dトレーニングデータ要求を排除し,意味的表面-表面マップを生成する。
論文 参考訳（メタデータ） (2023-09-09T16:21:56Z) - Improving Online Lane Graph Extraction by Object-Lane Clustering [106.71926896061686]
本稿では,局所レーングラフの推定精度を向上させるために,アーキテクチャと損失の定式化を提案する。
提案手法は,中心線をクラスタ中心とすることで,対象を中心線に割り当てることを学ぶ。
提案手法は既存の3次元オブジェクト検出手法の出力を用いて,大幅な性能向上を実現することができることを示す。
論文 参考訳（メタデータ） (2023-07-20T15:21:28Z) - An adaptive human-in-the-loop approach to emission detection of Additive
Manufacturing processes and active learning with computer vision [76.72662577101988]
In-situ monitoring and process control in Additive Manufacturing (AM) は大量の排出データを収集することを可能にする。
このデータは、3Dプリントされた部品の3Dおよび2D表現への入力として使用できる。
本研究の目的は,機械学習技術を用いた適応型ヒューマン・イン・ザ・ループ手法を提案することである。
論文 参考訳（メタデータ） (2022-12-12T15:11:18Z) - BiometryNet: Landmark-based Fetal Biometry Estimation from Standard
Ultrasound Planes [9.919499846996269]
本稿では,胎児バイオメトリ推定のためのエンド・ツー・エンドのランドマーク回帰フレームワークであるBiometryNetについて述べる。
これには、ネットワークトレーニング中に測定固有の配向一貫性を強制する新しい動的配向決定(DOD)方法が含まれている。
本手法の有効性を検証するため, 臨床3施設で取得した1,829名の超音波画像3,398枚を, 異なる7種類の超音波装置を用いて収集した。
論文 参考訳（メタデータ） (2022-06-29T14:32:32Z) - Fully Automated Binary Pattern Extraction For Finger Vein Identification
using Double Optimization Stages-Based Unsupervised Learning Approach [0.0]
機械学習に基づく教師なし、教師なし、ディープラーニングのアルゴリズムは、指静脈の検出と認識に大きな影響を与えている。
ディープラーニングは、手作業による生成とラベル付けが必要な、多数のトレーニングデータセットを必要とする。
本研究では,データセット作成をトレーニングするための完全に自動化された教師なし学習戦略を提案する。
論文 参考訳（メタデータ） (2022-05-08T11:01:25Z) - Automated Atlas-based Segmentation of Single Coronal Mouse Brain Slices
using Linear 2D-2D Registration [0.0]
本稿では,1枚の2次元冠動脈スライスを自動的に3次元のアトラスに分割する手法を提案する。
全脳規模での探索的アプローチによる頑健さと性能の検証を行った。
論文 参考訳（メタデータ） (2021-11-16T12:33:09Z) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳（メタデータ） (2021-11-09T13:30:34Z) - Progressive Spatio-Temporal Bilinear Network with Monte Carlo Dropout
for Landmark-based Facial Expression Recognition with Uncertainty Estimation [93.73198973454944]
提案手法の性能は, 広く使用されている3つのデータセットで評価される。
ビデオベースの最先端の手法に匹敵するが、複雑さははるかに少ない。
論文 参考訳（メタデータ） (2021-06-08T13:40:30Z) - Automated 3D cephalometric landmark identification using computerized
tomography [1.4349468613117398]
頭蓋骨の形状を代用する3次元頭蓋骨計測のランドマークの同定は、頭蓋骨計測の基本的なステップである。
近年,ディープラーニング(dl)を用いた2次元頭部画像の自動ランドマーク作成が大きな成功を収めているが,80以上のランドマークに対する3次元ランドマークは,まだ満足のいくレベルには達していない。
本論文では,匿名化されたランドマークデータセットと対のCTデータを取り除いた,半教師付き3次元ランドマーク用DL法を提案する。
論文 参考訳（メタデータ） (2020-12-16T07:29:32Z) - Structured Landmark Detection via Topology-Adapting Deep Graph Learning [75.20602712947016]
解剖学的顔と医学的ランドマーク検出のための新しいトポロジ適応深層グラフ学習手法を提案する。
提案手法は局所像特徴と大域形状特徴の両方を利用するグラフ信号を構成する。
3つの公開顔画像データセット(WFLW、300W、COFW-68)と3つの現実世界のX線医学データセット(ケパロメトリ、ハンド、ペルビス)で実験を行った。
論文 参考訳（メタデータ） (2020-04-17T11:55:03Z)
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。