論文の概要: An on-production high-resolution longitudinal neonatal fingerprint database in Brazil

• arxiv url: http://arxiv.org/abs/2504.20104v1
• Date: Sun, 27 Apr 2025 11:44:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.59196
• Title: An on-production high-resolution longitudinal neonatal fingerprint database in Brazil
• Title（参考訳）: ブラジルにおける高分解能新生児指紋データベースの作成
• Authors: Luiz F. P. Southier, Marcelo Filipak, Luiz A. Zanlorensi, Ildefonso Wasilevski, Fabio Favarim, Jefferson T. Oliva, Marcelo Teixeira, Dalcimar Casanova,
• Abstract要約: 新生児期は生存に必須であり、予防接種、HIV治療、栄養プログラムなどのタイムリーな介入を可能にするために正確な早期診断が必要である。 生体認証ソリューションは、赤ちゃんのスワップを防ぎ、行方不明の子供を見つけること、そして国家のアイデンティティシステムをサポートすることによって、子供の保護の可能性を秘めている。 しかしながら、新生児の効果的な生体認証システムの開発は、初期発達中に指の成長、体重の変化、皮膚のテクスチャの変化によって引き起こされる生理的変動のために大きな課題である。
• 参考スコア（独自算出の注目度）: 1.0180360161860078
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The neonatal period is critical for survival, requiring accurate and early identification to enable timely interventions such as vaccinations, HIV treatment, and nutrition programs. Biometric solutions offer potential for child protection by helping to prevent baby swaps, locate missing children, and support national identity systems. However, developing effective biometric identification systems for newborns remains a major challenge due to the physiological variability caused by finger growth, weight changes, and skin texture alterations during early development. Current literature has attempted to address these issues by applying scaling factors to emulate growth-induced distortions in minutiae maps, but such approaches fail to capture the complex and non-linear growth patterns of infants. A key barrier to progress in this domain is the lack of comprehensive, longitudinal biometric datasets capturing the evolution of neonatal fingerprints over time. This study addresses this gap by focusing on designing and developing a high-quality biometric database of neonatal fingerprints, acquired at multiple early life stages. The dataset is intended to support the training and evaluation of machine learning models aimed at emulating the effects of growth on biometric features. We hypothesize that such a dataset will enable the development of more robust and accurate Deep Learning-based models, capable of predicting changes in the minutiae map with higher fidelity than conventional scaling-based methods. Ultimately, this effort lays the groundwork for more reliable biometric identification systems tailored to the unique developmental trajectory of newborns.
• Abstract（参考訳）: 新生児期は生存に必須であり、予防接種、HIV治療、栄養プログラムなどのタイムリーな介入を可能にするために正確な早期診断が必要である。 生体認証ソリューションは、赤ちゃんのスワップを防ぎ、行方不明の子供を見つけること、そして国家のアイデンティティシステムをサポートすることによって、子供の保護の可能性を秘めている。 しかしながら、新生児の効果的な生体認証システムの開発は、初期発達中に指の成長、体重の変化、皮膚のテクスチャの変化によって引き起こされる生理的変動のために大きな課題である。 現在の文献では、成長に伴う微栄養写像の歪みをエミュレートするためにスケーリング因子を適用し、これらの問題に対処しようとしているが、そのようなアプローチは乳児の複雑な成長パターンや非線形成長パターンを捉えることに失敗している。 この領域の進歩の鍵となる障壁は、新生児の指紋の進化を経時的に捉えた、包括的で縦長のバイオメトリックデータセットの欠如である。 本研究は,複数の早期に取得した新生児指紋の高品質なバイオメトリックデータベースの設計と開発に焦点をあてて,このギャップに対処する。 このデータセットは、成長が生体特性に与える影響をエミュレートすることを目的とした機械学習モデルのトレーニングと評価をサポートすることを意図している。 このようなデータセットによってより堅牢で正確なディープラーニングベースのモデルの開発が可能になり、従来のスケーリングベースの手法よりも忠実度の高い微妙なマップの変化を予測できる、という仮説を立てる。 最終的にこの試みは、新生児の独特の発達軌跡に合わせて、より信頼性の高い生体認証システムの基礎を築いた。

関連論文リスト

• Swin fMRI Transformer Predicts Early Neurodevelopmental Outcomes from Neonatal fMRI [0.20482269513546453]
  この期間の発達結果の正確な予測は、遅延を特定し、タイムリーな介入を可能にするために不可欠である。 本研究では,新生児のfMRIを用いた結果の予測を目的としたSwiFT(Swin 4D fMRI Transformer)モデルを提案する。 分析の結果,SwiFTは認知,運動,言語結果の予測において,ベースラインモデルよりも有意に優れていた。
  論文  参考訳（メタデータ） (2024-11-25T12:20:07Z)
• LoCI-DiffCom: Longitudinal Consistency-Informed Diffusion Model for 3D Infant Brain Image Completion [45.361733575664886]
  乳児の脳画像補完のための新しい長周期インフォームド拡散モデルであるLoCI-DiffComを提案する。 提案手法は,コンテキスト認識の整合性を確保しつつ,個別化された発達特徴を抽出することができる。
  論文  参考訳（メタデータ） (2024-05-17T10:53:40Z)
• Learning Developmental Age from 3D Infant Kinetics Using Adaptive Graph Neural Networks [2.2279946664123664]
  Kinetic Age(KA)は、運動パターンに基づいて幼児の年齢を予測することによって、神経発達の成熟度を定量化するデータ駆動の指標である。 本手法は乳児の3次元映像記録を利用してポーズ推定を行い,解剖学的ランドマークの抽出・時間的時系列を抽出する。 これらのデータは適応的なグラフ畳み込みネットワークを用いてモデル化され、幼児運動における検出時間依存性を捉えることができる。
  論文  参考訳（メタデータ） (2024-02-22T09:34:48Z)
• Cross-Age and Cross-Site Domain Shift Impacts on Deep Learning-Based White Matter Fiber Estimation in Newborn and Baby Brains [7.037994233245839]
  乳児の微形態的発達の変動は、新生児と比較して、深層学習モデルのクロスエイジング性能に直接影響を及ぼすことを示した。 少数の対象ドメインサンプルは、ドメインシフト問題を著しく軽減することができる。
  論文  参考訳（メタデータ） (2023-12-22T15:39:37Z)
• Towards early prediction of neurodevelopmental disorders: Computational model for Face Touch and Self-adaptors in Infants [0.0]
  乳児の運動を評価することは、発達障害の発症リスクを理解する鍵となる。 心理学における以前の研究は、赤ちゃんの顔の触覚などの特定の動きやジェスチャーを測定することは、赤ちゃんが自分自身とその文脈をどのように理解しているかを分析するのに不可欠であることを示した。 本研究は,乳幼児の動作やジェスチャーを追跡することによって,映像記録から顔の触覚を検出する,最初の自動アプローチを提案する。
  論文  参考訳（メタデータ） (2023-01-07T18:08:43Z)
• NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical Development Patterns of Preterm Infants [73.85768093666582]
  我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。 NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
  論文  参考訳（メタデータ） (2023-01-01T12:48:12Z)
• Neurodevelopmental Phenotype Prediction: A State-of-the-Art Deep Learning Model [0.0]
  我々は,新生児の皮質表面データを解析するためにディープニューラルネットワークを適用した。 我々の目標は、神経発達のバイオマーカーを特定し、これらのバイオマーカーに基づいて出生時の妊娠年齢を予測することである。
  論文  参考訳（メタデータ） (2022-11-16T11:15:23Z)
• A Few-shot Learning Graph Multi-Trajectory Evolution Network for Forecasting Multimodal Baby Connectivity Development from a Baseline Timepoint [53.73316520733503]
  本稿では,教師-学生パラダイムを取り入れたグラフ多目的進化ネットワーク(GmTE-Net)を提案する。 これは、脳グラフ多軌道成長予測に適した最初の教師学生アーキテクチャである。
  論文  参考訳（メタデータ） (2021-10-06T08:26:57Z)
• Artificial Fingerprinting for Generative Models: Rooting Deepfake Attribution in Training Data [64.65952078807086]
  光現実性画像生成は、GAN(Generative Adversarial Network)のブレークスルーにより、新たな品質レベルに達した。 しかし、このようなディープフェイクのダークサイド、すなわち生成されたメディアの悪意ある使用は、視覚的誤報に関する懸念を提起する。 我々は,モデルに人工指紋を導入することによって,深度検出の積極的な,持続可能なソリューションを模索する。
  論文  参考訳（メタデータ） (2020-07-16T16:49:55Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)
• A Developmental Neuro-Robotics Approach for Boosting the Recognition of Handwritten Digits [91.3755431537592]
  近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。 本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
  論文  参考訳（メタデータ） (2020-03-23T14:55:00Z)

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。