論文の概要: New Advances in Body Composition Assessment with ShapedNet: A Single Image Deep Regression Approach

• arxiv url: http://arxiv.org/abs/2310.09709v1
• Date: Sun, 15 Oct 2023 02:30:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-10-17 18:41:50.520858
• Title: New Advances in Body Composition Assessment with ShapedNet: A Single Image Deep Regression Approach
• Title（参考訳）: シェードネットを用いた体組成評価の新展開:単一画像深部回帰法
• Abstract要約: そこで本研究では,身体組成評価を向上するためのShapedNetと呼ばれる新しい手法を提案する。 ディープニューラルネットワークを用いて、BFP(Body Fat Percentage)を推定し、個人識別を行い、1枚の写真を用いて局所化を可能にする。 ShapedNetの精度は、ゴールド標準法であるDual-Energy X-ray Absorptiometry (DXA)と比較して総合的に検証され、1273人の健康な成人が年齢、性別、BFPレベルにまたがっている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We introduce a novel technique called ShapedNet to enhance body composition assessment. This method employs a deep neural network capable of estimating Body Fat Percentage (BFP), performing individual identification, and enabling localization using a single photograph. The accuracy of ShapedNet is validated through comprehensive comparisons against the gold standard method, Dual-Energy X-ray Absorptiometry (DXA), utilizing 1273 healthy adults spanning various ages, sexes, and BFP levels. The results demonstrate that ShapedNet outperforms in 19.5% state of the art computer vision-based approaches for body fat estimation, achieving a Mean Absolute Percentage Error (MAPE) of 4.91% and Mean Absolute Error (MAE) of 1.42. The study evaluates both gender-based and Gender-neutral approaches, with the latter showcasing superior performance. The method estimates BFP with 95% confidence within an error margin of 4.01% to 5.81%. This research advances multi-task learning and body composition assessment theory through ShapedNet.
• Abstract（参考訳）: 体組成評価を向上させる新しい手法であるシェードネットを提案する。 この方法は、体脂肪率(bfp)を推定し、個人識別を行い、単一の写真を用いたローカライズを可能にするディープニューラルネットワークを用いる。 ShapedNetの精度は、ゴールド標準法であるDual-Energy X-ray Absorptiometry (DXA)と比較して総合的に検証され、1273人の健康な成人が年齢、性別、BFPレベルにまたがっている。 その結果,ShapedNetは体脂肪推定の19.5%で優れており,平均絶対誤差(MAPE)は4.91%,平均絶対誤差(MAE)は1.42。 この研究は、性別に基づくアプローチと性中立アプローチの両方を評価し、後者の方が優れたパフォーマンスを示している。 誤差マージンの95%信頼度は4.01%から5.81%と推定される。 本研究では,ShapedNetによるマルチタスク学習と身体構成評価理論を進歩させる。

関連論文リスト

• Unsupervised Anatomical Feature Learning via Diffusion Models: Enhanced Medical Image Segmentation with Denoising Diffusion Probabilistic Models [0.8590539335179757]
  本研究では,非教師付き拡散確率モデル(DDPM)を用いて解剖学的特徴を抽出する手法を提案する。 21個の腹部CTでMDPMを訓練し, エンコーダ重みを下流セグメンテーションタスクに転送する。 拡散に基づく事前訓練にラベルのない画像を使用することで、人間の監督に先立って堅牢な解剖学的特徴を組み込むことに成功した。
  論文  参考訳（メタデータ） (2026-08-26T12:10:56Z)
• Biological Sex Determination in Cadavers Using Deep Learning Algorithms from Computed Tomography Images of Pelvis and Skull [0.5393135915218038]
  本研究では,移動学習による最先端の深層学習を評価し,CTスキャンから生物性を自動的に判定する。 ゴイニアGOの法医学研究所から141個の検体を解析した。
  論文  参考訳（メタデータ） (2026-06-21T14:07:37Z)
• Comparative Evaluation of Deep Learning Models for Fake Image Detection [0.0]
  本研究では,4つのCNNアーキテクチャの性能を,統合前処理とトレーニングパイプラインを用いたフェイク画像検出の性能と比較する。 VGG16の精度は91%に達し、XceptionNet、ResNet50、EfficientNetB0はそれぞれ90%に達した。 この研究は、信頼性の高い偽画像検出システムを開発するために、バランスの取れたデータセット、高度な拡張、公正な学習の必要性を強調している。
  論文  参考訳（メタデータ） (2026-05-20T09:57:58Z)
• Automated Classification of First-Trimester Fetal Heart Views Using Ultrasound-Specific Self-Supervised Learning [0.205246094017924]
  本研究は,第1トリメスター胎児心電図分類のための自己監督型超音波基礎モデルUSF-MAEの評価である。 USF-MAEは、370,000枚以上の未標識超音波画像のマスク付き自己符号化モデルを用いて事前訓練される。 全評価指標で最高性能を達成し、90.57%の精度、91.15%の精度、90.57%のリコール、90.71%のF1スコアを記録した。
  論文  参考訳（メタデータ） (2025-12-30T22:24:26Z)
• Automated Deep Learning Estimation of Anthropometric Measurements for Preparticipation Cardiovascular Screening [1.0499611180329804]
  心血管検査は, 心的・電気的異常のある選手を特定することで, 突然の心臓死(SCD)を予防することを目的としている。 従来の手作業の手法は、労働集約的で、オペレータに依存しており、スケールが難しい。 人工人体画像から5つの重要な人体計測を推定するための,完全自動深層学習手法を提案する。
  論文  参考訳（メタデータ） (2025-12-06T13:44:59Z)
• Multimodal AI for Body Fat Estimation: Computer Vision and Anthropometry with DEXA Benchmarks [0.0]
  DEXAスキャンのようなゴールドスタンダードの手法は高価であり、ほとんどの人にとっては利用できない。 本研究では,前頭体画像と基本的な人文計測データを用いて,人工知能(AI)モデルの実現可能性について,低コストな代替手段として評価する。
  論文  参考訳（メタデータ） (2025-11-15T00:20:24Z)
• Inference Time Debiasing Concepts in Diffusion Models [1.7802455837461122]
  テキストから画像への拡散に基づくモデルのデバイアス化手法であるDeCoDiを提案する。 画像品質は著しく変化せず、計算オーバーヘッドも無視でき、拡散ベースの画像生成モデルにも適用できる。 看護師,消防士,CEOという概念に対して,性別,民族,年齢を嫌悪する手法の有効性を示す。
  論文  参考訳（メタデータ） (2025-08-19T20:21:02Z)
• Deep Learning Approach for Enhancing Oral Squamous Cell Carcinoma with LIME Explainable AI Technique [0.0]
  データセットは5192イメージ(2435ノーマルと2511 OSCC)で構成されている。 本研究では,ResNet101,DenseNet121,VGG16,EfficientnetB3の4つのディープラーニングアーキテクチャを選択した。 効率の良いNetB3は98.33%とF1スコア(0.9844)で最高であり、他のモデルと比べて計算能力は著しく低下した。
  論文  参考訳（メタデータ） (2024-11-21T14:53:59Z)
• A Lightweight and Accurate Face Detection Algorithm Based on Retinaface [0.5076419064097734]
  Retinaface に基づく軽量かつ高精度な顔検出アルゴリズム LAFD (Light and accurate face detection) を提案する。 アルゴリズムのバックボーンネットワークは、畳み込みカーネルのサイズを調整する修正されたMobileNetV3ネットワークである。 入力画像が前処理され、長さが1560px、幅が1200pxとなると、平均精度は86.2%となる。
  論文  参考訳（メタデータ） (2023-08-08T15:36:57Z)
• Bottom-Up 2D Pose Estimation via Dual Anatomical Centers for Small-Scale Persons [75.86463396561744]
  マルチパーソン2Dポーズ推定では、ボトムアップ手法は同時にすべての人のポーズを予測する。 本手法は,バウンディングボックス精度を38.4%改善し,バウンディングボックスリコールを39.1%改善した。 ヒトのポーズAP評価では,COCOテストデフセット上で新しいSOTA(71.0 AP)を単一スケールテストで達成する。
  論文  参考訳（メタデータ） (2022-08-25T10:09:10Z)
• (Certified!!) Adversarial Robustness for Free! [116.6052628829344]
  逆方向の摂動が0.5の2ノルム以内であることに制約された場合,ImageNetでは71%の精度が証明された。 これらの結果は,モデルパラメータの微調整や再学習を必要とせず,事前学習した拡散モデルと画像分類器のみを用いて得られる。
  論文  参考訳（メタデータ） (2022-06-21T17:27:27Z)
• To be Critical: Self-Calibrated Weakly Supervised Learning for Salient Object Detection [95.21700830273221]
  弱教師付き有色物体検出(WSOD)は,画像レベルのアノテーションを用いた有色度モデルの開発を目的としている。 擬似ラベルとネットワーク予測の相互校正ループを明確に設定し,自己校正学習戦略を提案する。 十分に整合したアノテーションを持つはるかに小さなデータセットであっても、モデルがより優れたパフォーマンスと一般化性を達成するのに役立ちます。
  論文  参考訳（メタデータ） (2021-09-04T02:45:22Z)
• Robustness Gym: Unifying the NLP Evaluation Landscape [91.80175115162218]
  ディープニューラルネットワークは、現実のシステムにデプロイすると脆くなることが多い。 最近の研究は、そのようなモデルの堅牢性をテストすることに重点を置いている。 単純かつ評価可能なツールキットであるRobustness Gymの形で解を提案する。
  論文  参考訳（メタデータ） (2021-01-13T02:37:54Z)
• Learning Expectation of Label Distribution for Facial Age and Attractiveness Estimation [65.5880700862751]
  本稿では,2つの最先端手法(Ranking-CNNとDLDL)の本質的な関係を解析し,ランキング法が実際にラベル分布を暗黙的に学習していることを示す。 軽量なネットワークアーキテクチャを提案し、顔属性の分布と回帰属性の値を共同で学習できる統一的なフレームワークを提案する。 提案手法は,36$times$パラメータが小さく,3$times$が顔の年齢/魅力度推定における高速な推論速度を持つ単一モデルを用いて,新しい最先端結果を実現する。
  論文  参考訳（メタデータ） (2020-07-03T15:46:53Z)
• A Deep Learning-Based Method for Automatic Segmentation of Proximal Femur from Quantitative Computed Tomography Images [5.731199807877257]
  我々は、エンドツーエンドの完全畳み込みニューラルネットワーク(CNN)であるV on-Netに基づく3次元画像分割法を開発した。 提案手法の有効性を評価する実験を行った。
  論文  参考訳（メタデータ） (2020-06-09T21:16:47Z)
• BReG-NeXt: Facial Affect Computing Using Adaptive Residual Networks With Bounded Gradient [4.41738804598711]
  本稿では,単純なショートカットパスの代わりに関数wtih境界微分を用いた残差ベースネットワークアーキテクチャであるBReG-NeXtを紹介する。 ResNetと比較して、我々の提案した適応的複素写像は、訓練パラメータの少ない浅いネットワークと1秒あたりの浮動小数点演算(FLOP)で得られる。 我々は,AffectNet,FER2013,Affect-in-Wildの難易度データベースに影響を及ぼすカテゴリモデルと次元モデルに関する総合的な実験を行った。
  論文  参考訳（メタデータ） (2020-04-18T00:26:36Z)
• HEMlets PoSh: Learning Part-Centric Heatmap Triplets for 3D Human Pose and Shape Estimation [60.35776484235304]
  本研究は, 中間状態部分熱マップトリプレット(HEMlets)を導入し, 検出された2次元関節を三次元空間に持ち上げる不確実性に対処しようとするものである。 HEMletsは3つのジョイントヒートマップを使用して、各骨格体部に対するエンドジョイントの相対的な深さ情報を表す。 Convolutional Network (ConvNet) は、入力画像からHEMletを予測し、次にボリュームのジョイント・ヒートマップレグレッションを学習する。
  論文  参考訳（メタデータ） (2020-03-10T04:03:45Z)

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。