論文の概要: NurtureNet: A Multi-task Video-based Approach for Newborn Anthropometry
- arxiv url: http://arxiv.org/abs/2405.05530v1
- Date: Thu, 9 May 2024 03:49:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-10 14:12:43.935220
- Title: NurtureNet: A Multi-task Video-based Approach for Newborn Anthropometry
- Title（参考訳）: NurtureNet: 新生児の視線計測のためのマルチタスクビデオベースアプローチ
- Authors: Yash Khandelwal, Mayur Arvind, Sriram Kumar, Ashish Gupta, Sachin Kumar Danisetty, Piyush Bagad, Anish Madan, Mayank Lunayach, Aditya Annavajjala, Abhishek Maiti, Sansiddh Jain, Aman Dalmia, Namrata Deka, Jerome White, Jigar Doshi, Angjoo Kanazawa, Rahul Panicker, Alpan Raval, Srinivas Rana, Makarand Tapaswi,
- Abstract要約: 新生児の栄養失調は発展途上国で最大の公衆衛生上の問題である。
我々のゴールは、医療従事者や公衆衛生システムに、接触のない新生児の人文科学の解決策を提供することです。
- 参考スコア（独自算出の注目度）: 32.07154968009373
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Malnutrition among newborns is a top public health concern in developing countries. Identification and subsequent growth monitoring are key to successful interventions. However, this is challenging in rural communities where health systems tend to be inaccessible and under-equipped, with poor adherence to protocol. Our goal is to equip health workers and public health systems with a solution for contactless newborn anthropometry in the community. We propose NurtureNet, a multi-task model that fuses visual information (a video taken with a low-cost smartphone) with tabular inputs to regress multiple anthropometry estimates including weight, length, head circumference, and chest circumference. We show that visual proxy tasks of segmentation and keypoint prediction further improve performance. We establish the efficacy of the model through several experiments and achieve a relative error of 3.9% and mean absolute error of 114.3 g for weight estimation. Model compression to 15 MB also allows offline deployment to low-cost smartphones.
- Abstract（参考訳）: 新生児の栄養失調は発展途上国で最大の公衆衛生上の問題である。
同定とその後の成長監視は、介入の成功の鍵となる。
しかし、医療制度がアクセス不能で設備不足の傾向にある農村部では、プロトコールの遵守が乏しいため、これは困難である。
我々のゴールは、医療従事者や公衆衛生システムに、接触のない新生児の人文科学の解決策を提供することです。
我々は,マルチタスクモデルであるNurtureNetを提案する。このモデルでは,視覚情報(低コストのスマートフォンで撮影されたビデオ)を表形式で融合し,重量,長さ,頭部周,胸部周といった複数の人文計測値の回帰を行う。
セグメンテーションとキーポイント予測の視覚的プロキシタスクにより、パフォーマンスがさらに向上することを示す。
いくつかの実験を通してモデルの有効性を確立し、相対誤差3.9%、平均絶対誤差114.3gを達成する。
15MBのモデル圧縮により、低価格のスマートフォンにもオフラインでデプロイできる。
関連論文リスト
- AiOS: All-in-One-Stage Expressive Human Pose and Shape Estimation [55.179287851188036]
人間のポーズと形状の復元のための新しいオールインワンステージフレームワークであるAiOSを、追加の人間検出ステップなしで導入する。
まず、画像中の人間の位置を探索し、各インスタンスのグローバルな機能をエンコードするために、人間のトークンを使用します。
そして、画像中の人間の関節を探索し、きめ細かい局所的特徴を符号化するジョイント関連トークンを導入する。
論文 参考訳（メタデータ） (2024-03-26T17:59:23Z) - Health-LLM: Personalized Retrieval-Augmented Disease Prediction System [43.91623010448573]
本稿では,大規模特徴抽出と医療知識トレードオフスコアリングを組み合わせた,革新的なフレームワークHeath-LLMを提案する。
従来の健康管理アプリケーションと比較して,本システムには3つの利点がある。
医療報告と医療知識を大きなモデルに統合し、疾患予測のための大きな言語モデルに関連性のある質問を行う。
論文 参考訳（メタデータ） (2024-02-01T16:40:32Z) - Binarized 3D Whole-body Human Mesh Recovery [104.13364878565737]
本研究では, 人体, 顔, 手の3次元パラメータを効率的に推定するために, 両立二重残差ネットワーク (BiDRN) を提案する。
BiDRNは、22.1%のパラメータと14.8%の操作しか使用せず、完全精度のHand4Wholeで同等のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2023-11-24T07:51:50Z) - Human Health Indicator Prediction from Gait Video [34.24448186464565]
我々は、監視やホームモニタリングのシナリオでよく見られる健康指標の予測に、歩行ビデオを採用することを提案する。
健康指標予測タスクに適合するため,Global-Local Aware aNdsymmetric Centro (GLANCE)モジュールを提案する。
実験により,提案手法はMoViの健康指標を予測するための最先端の結果が得られることが示された。
論文 参考訳（メタデータ） (2022-12-25T19:10:37Z) - A Two-stream Convolutional Network for Musculoskeletal and Neurological
Disorders Prediction [14.003588854239544]
筋骨格障害や神経疾患は高齢者の歩行障害の最も一般的な原因である。
近年のディープラーニングに基づく手法は、自動分析に有望な結果を示している。
論文 参考訳（メタデータ） (2022-08-18T14:32:16Z) - A Neural Anthropometer Learning from Body Dimensions Computed on Human
3D Meshes [0.0]
本稿では,3次元メッシュの左右腕長,肩幅,切削高さ(クロッチ高さ)を,医療・バーチャル・トライオン・距離調整への応用に焦点をあてて算出する手法を提案する。
一方、最近発表された手法を用いて計算された4つの追加の体次元を用いて、8つの体次元の集合を組み立て、これら次元を推定できる畳み込みニューラルネットワークであるニューラル・アントロポメータの監視信号として使用する。
論文 参考訳（メタデータ） (2021-10-06T12:56:05Z) - Unsupervised Human Pose Estimation through Transforming Shape Templates [2.729524133721473]
本研究では,成人および乳幼児のポーズ推定を教師なしで学習するための新しい手法を提案する。
成人と幼児を含む2つの異なるデータセットに対するアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2021-05-10T07:15:56Z) - 3D Human Body Reshaping with Anthropometric Modeling [59.51820187982793]
人間測定パラメータから正確で現実的な3D人体を再構築することは、個人識別、オンラインショッピング、仮想現実のための基本的な課題です。
このような3d形状を作る既存のアプローチは、レンジカメラやハイエンドスキャナーによる複雑な測定に苦しむことが多い。
本稿では,各ファセットに対する自動人為的パラメータモデリングを可能にする,特徴選択に基づく局所マッピング手法を提案する。
論文 参考訳（メタデータ） (2021-04-05T04:09:39Z) - Hybrid Attention for Automatic Segmentation of Whole Fetal Head in
Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。
セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。
次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文 参考訳（メタデータ） (2020-04-28T14:43:05Z) - 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。