論文の概要: OcularAge: A Comparative Study of Iris and Periocular Images for Pediatric Age Estimation

• arxiv url: http://arxiv.org/abs/2505.05374v1
• Date: Thu, 08 May 2025 16:09:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 21:43:49.949754
• Title: OcularAge: A Comparative Study of Iris and Periocular Images for Pediatric Age Estimation
• Title（参考訳）: OcularAge:小児年齢推定のための虹彩画像と眼周囲画像の比較検討
• Authors: Naveenkumar G Venkataswamy, Poorna Ravi, Stephanie Schuckers, Masudul H. Imtiaz,
• Abstract要約: 眼のバイオメトリック画像から子供の年齢を推定することは、微妙な生理的変化のために困難である。 本研究は,4歳から16歳までの小児の年齢を推定するための虹彩画像と眼周囲画像の比較検討を行った。
• 参考スコア（独自算出の注目度）: 1.4099477870728594
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Estimating a child's age from ocular biometric images is challenging due to subtle physiological changes and the limited availability of longitudinal datasets. Although most biometric age estimation studies have focused on facial features and adult subjects, pediatric-specific analysis, particularly of the iris and periocular regions, remains relatively unexplored. This study presents a comparative evaluation of iris and periocular images for estimating the ages of children aged between 4 and 16 years. We utilized a longitudinal dataset comprising more than 21,000 near-infrared (NIR) images, collected from 288 pediatric subjects over eight years using two different imaging sensors. A multi-task deep learning framework was employed to jointly perform age prediction and age-group classification, enabling a systematic exploration of how different convolutional neural network (CNN) architectures, particularly those adapted for non-square ocular inputs, capture the complex variability inherent in pediatric eye images. The results show that periocular models consistently outperform iris-based models, achieving a mean absolute error (MAE) of 1.33 years and an age-group classification accuracy of 83.82%. These results mark the first demonstration that reliable age estimation is feasible from children's ocular images, enabling privacy-preserving age checks in child-centric applications. This work establishes the first longitudinal benchmark for pediatric ocular age estimation, providing a foundation for designing robust, child-focused biometric systems. The developed models proved resilient across different imaging sensors, confirming their potential for real-world deployment. They also achieved inference speeds of less than 10 milliseconds per image on resource-constrained VR headsets, demonstrating their suitability for real-time applications.
• Abstract（参考訳）: 眼のバイオメトリック画像から子どもの年齢を推定することは、微妙な生理的変化と縦断的データセットの可用性の制限により困難である。 多くのバイオメトリック年代推定研究は顔の特徴と成人の被験者に焦点を当てているが、特に虹彩や眼周囲領域の小児特異的な分析は比較的未発見のままである。 本研究は,4歳から16歳までの小児の年齢を推定するための虹彩画像と眼周囲画像の比較検討を行った。 我々は8年間に288名の小児患者から収集した21,000以上の近赤外画像からなる縦断データセットを2つの異なる画像センサを用いて分析した。 複数タスクのディープラーニングフレームワークを用いて、年齢予測と年齢グループ分類を併用し、異なる畳み込みニューラルネットワーク(CNN)アーキテクチャ、特に2乗目の入力に適応したアーキテクチャの系統的な探索を可能にした。 その結果、眼周囲モデルは虹彩モデルより一貫して優れており、平均絶対誤差(MAE)は1.33年、年齢群分類精度は83.82%である。 これらの結果は、子供の眼画像から信頼性のある年齢推定が可能であり、子供中心のアプリケーションにおけるプライバシー保護年齢チェックを可能にする最初の実証である。 この研究は、小児眼年齢推定のための最初の縦断的ベンチマークを確立し、堅牢で子供中心の生体計測システムを設計するための基盤となる。 開発されたモデルは様々な画像センサーに耐性があることを証明し、実際の展開の可能性を確認した。 また、リソースが制限されたVRヘッドセット上では、画像当たり10ミリ秒未満の推論速度を達成し、リアルタイムアプリケーションに適していることを実証した。

関連論文リスト

• Can Text-to-Image Generative Models Accurately Depict Age? A Comparative Study on Synthetic Portrait Generation and Age Estimation [0.33998740964877455]
  テキストから画像への生成モデルは、多種多様でフォトリアリスティックなアウトプットの生成において顕著な進歩を見せている。 本報告では,様々な属性を正確に表現した合成肖像画の作成において,それらの効果を包括的に分析する。 評価では、幅広い212の国籍、10歳から78歳までの30の異なる年齢、男女のバランスの取れた表現を含む詳細なプロファイルを規定する。
  論文  参考訳（メタデータ） (2025-02-05T18:08:33Z)
• Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling [49.52787013516891]
  今回提案した Longitudinal Transformer for Survival Analysis (LTSA, Longitudinal Transformer for Survival Analysis, LTSA) は, 縦断的医用画像から動的疾患の予後を予測できる。 時間的注意分析により、最新の画像は典型的には最も影響力のあるものであるが、以前の画像は追加の予後に価値があることが示唆された。
  論文  参考訳（メタデータ） (2024-05-14T17:15:28Z)
• Periocular biometrics: databases, algorithms and directions [69.35569554213679]
  近視バイオメトリックスは、制御されていない条件下での虹彩や顔のシステムの性能に関する懸念から、独立したモダリティとして確立されている。 本稿では, 近視バイオメトリックス研究における最先端技術について概説する。
  論文  参考訳（メタデータ） (2023-07-26T11:14:36Z)
• Assessing the Performance of Automated Prediction and Ranking of Patient Age from Chest X-rays Against Clinicians [4.795478287106675]
  深層学習は、胸部X線から患者の年齢を正確に推定することを可能にしている。 本稿では,放射線科医と最先端のディープラーニングモデルの比較研究について述べる。 我々は,脳卒中患者の年齢による1.8M胸部X線の異種データベースを用いてモデルを訓練し,モデル精度の限界について検討した。
  論文  参考訳（メタデータ） (2022-07-04T10:09:48Z)
• Applying Artificial Intelligence for Age Estimation in Digital Forensic Investigations [0.8122270502556371]
  調査員は画像を見て、性発達段階やその他の人間の特徴を解釈することで、被害者の年齢を決定する必要があることが多い。 本稿では、既存の顔画像データセットを評価し、類似のデジタル法医学研究貢献のニーズに合わせて、新しいデータセットを提案する。 新しいデータセットは、IMDB-WIKIデータセットで事前トレーニングされたDeep Expectation (DEX)アルゴリズムでテストされる。
  論文  参考訳（メタデータ） (2022-01-09T16:25:37Z)
• LAE : Long-tailed Age Estimation [52.5745217752147]
  まず、簡単な標準ベースラインを定式化し、事前トレーニング、データ拡張、モデルアーキテクチャなどのトリックを収集することで、はるかに強力なベースラインを構築します。 標準ベースラインと比較して,提案手法は推定誤差を著しく低減する。 本稿では,Long-tailed Age Estimation (LAE) という2段階の学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-25T09:05:44Z)
• Investigating Fairness of Ocular Biometrics Among Young, Middle-Aged, and Older Adults [0.0]
  近年, 公正かつ信頼性の高いバイオメトリック・ソリューションの展開に向けて, 様々なバイオメトリック・モダリティのバイアスについて検討する声が上がっている。 本研究の目的は,若年者,中年者,高齢者の可視光スペクトルにおける眼バイオメトリックスの公正性を評価することである。
  論文  参考訳（メタデータ） (2021-10-04T18:03:18Z)
• Chronological age estimation of lateral cephalometric radiographs with deep learning [0.0]
  提案手法は, 側頭頂部X線像の経時的年代推定法により, 時間的年代推定に有効である。 4歳から40歳までのLC画像3014枚について検討した。 実験結果のMEAは1.250であり、最先端のベンチマークの結果より小さい。
  論文  参考訳（メタデータ） (2021-01-28T03:43:24Z)
• 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)
• 1-D Convlutional Neural Networks for the Analysis of Pupil Size Variations in Scotopic Conditions [79.71065005161566]
  1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。 モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
  論文  参考訳（メタデータ） (2020-02-06T17:25:37Z)

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。