論文の概要: UDF-GMA: Uncertainty Disentanglement and Fusion for General Movement Assessment

• arxiv url: http://arxiv.org/abs/2507.04814v1
• Date: Mon, 07 Jul 2025 09:32:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:35.357718
• Title: UDF-GMA: Uncertainty Disentanglement and Fusion for General Movement Assessment
• Title（参考訳）: UDF-GMA:不確かさと総合運動評価のための融合
• Authors: Zeqi Luo, Ali Gooya, Edmond S. L. Ho,
• Abstract要約: 一般運動評価(GMA)は、脳機能障害の早期発見のための非侵襲的ツールである。 ポーズベースの自動GMA法は、高品質なデータとノイズの多いポーズ推定のために不確実性が生じやすい。 本稿では,ポーズベース自動GMAにおけるモデルパラメータのアレタリック不確かさとデータノイズからのアレタリック不確かさを明示的にモデル化するUDF-GMAを提案する。
• 参考スコア（独自算出の注目度）: 4.519922141533224
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: General movement assessment (GMA) is a non-invasive tool for the early detection of brain dysfunction through the qualitative assessment of general movements, and the development of automated methods can broaden its application. However, mainstream pose-based automated GMA methods are prone to uncertainty due to limited high-quality data and noisy pose estimation, hindering clinical reliability without reliable uncertainty measures. In this work, we introduce UDF-GMA which explicitly models epistemic uncertainty in model parameters and aleatoric uncertainty from data noise for pose-based automated GMA. UDF-GMA effectively disentangles uncertainties by directly modelling aleatoric uncertainty and estimating epistemic uncertainty through Bayesian approximation. We further propose fusing these uncertainties with the embedded motion representation to enhance class separation. Extensive experiments on the Pmi-GMA benchmark dataset demonstrate the effectiveness and generalisability of the proposed approach in predicting poor repertoire.
• Abstract（参考訳）: 一般運動評価(英: General Movement Assessment, GMA)は、一般運動の質的評価を通じて脳機能障害を早期に検出するための非侵襲的ツールである。 しかし、主流のポーズベース自動GMA法は、高品質なデータが少ないことやノイズの多いポーズ推定によって不確実性が生じやすいため、確実な不確実性対策を伴わずに臨床上の信頼性を損なう。 本研究では,ポーズに基づく自動GMAのためのモデルパラメータの認識不確かさとデータノイズからの照会不確かさを明示的にモデル化するUDF-GMAを提案する。 UDF-GMAは、アレタリック不確かさを直接モデル化し、ベイズ近似を通してててんかん不確かさを推定することによって、不確かさを効果的に解消する。 さらに,これらの不確実性を組込み動作表現と融合させ,クラス分離を強化することを提案する。 Pmi-GMAベンチマークデータセットの大規模な実験は、レパートリーの低い予測における提案手法の有効性と一般化性を実証している。

関連論文リスト

• Towards Reliable WMH Segmentation under Domain Shift: An Application Study using Maximum Entropy Regularization to Improve Uncertainty Estimation [9.854116809395896]
  ホワイトマター高強度(WMH)の正確なセグメンテーションは臨床的意思決定に不可欠である。 MRIマシンタイプや取得パラメータのバリエーションなどのドメインシフトは、キャリブレーションと不確実性推定をモデル化するための課題を提起する。 本研究では,モデルキャリブレーションと不確実性推定を向上させるために,最大エントロピー正規化手法を提案する。
  論文  参考訳（メタデータ） (2025-06-17T13:21:29Z)
• SafeGenes: Evaluating the Adversarial Robustness of Genomic Foundation Models [8.019763193322298]
  本稿では,ゲノム基盤モデルのセキュア解析のためのフレームワークであるSafeGenesを提案する。 我々は、高速勾配符号法とソフトプロンプト攻撃という2つのアプローチを用いて、GFMの敵の脆弱性を評価する。 ターゲットとしたソフトプロンプト攻撃は、ESM1bやESM1vのような大型モデルでも大幅に性能が低下した。
  論文  参考訳（メタデータ） (2025-06-01T03:54:03Z)
• Human-Calibrated Automated Testing and Validation of Generative Language Models [3.2855317710497633]
  本稿では,ジェネレーティブ言語モデル(GLM)の評価と検証のための包括的枠組みを提案する。 銀行などの高額な領域に展開される検索・拡張世代(RAG)システムに焦点を当てている。
  論文  参考訳（メタデータ） (2024-11-25T13:53:36Z)
• Uncertainty Estimation for Safety-critical Scene Segmentation via Fine-grained Reward Maximization [12.79542334840646]
  不確実性推定は、安全クリティカルなシナリオにおけるディープセグメンテーションモデルの将来の信頼性の高い展開において重要な役割を果たす。 本研究では,不確実性推定に対処する新たな微粒化報酬(FGRM)フレームワークを提案する。 本手法は,不確実性推定のキャリブレーション指標のすべてに対して,最先端の手法よりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2023-11-05T17:43:37Z)
• Measuring and Modeling Uncertainty Degree for Monocular Depth Estimation [50.920911532133154]
  単分子深度推定モデル(MDE)の本質的な不適切さと順序感性は、不確かさの程度を推定する上で大きな課題となる。 本稿では,MDEモデルの不確かさを固有確率分布の観点からモデル化する。 新たなトレーニング正規化用語を導入することで、驚くほど単純な構成で、余分なモジュールや複数の推論を必要とせずに、最先端の信頼性で不確実性を推定できる。
  論文  参考訳（メタデータ） (2023-07-19T12:11:15Z)
• Toward Reliable Human Pose Forecasting with Uncertainty [51.628234388046195]
  我々は、複数のモデルを含む人間のポーズ予測のためのオープンソースのライブラリを開発し、複数のデータセットをサポートする。 我々は、パフォーマンスを高め、より良い信頼をもたらすために、問題の2つの不確実性を考案する。
  論文  参考訳（メタデータ） (2023-04-13T17:56:08Z)
• Probabilities Are Not Enough: Formal Controller Synthesis for Stochastic Dynamical Models with Epistemic Uncertainty [68.00748155945047]
  複雑な力学系のモデルにおける不確実性を捉えることは、安全なコントローラの設計に不可欠である。 いくつかのアプローチでは、安全と到達可能性に関する時間的仕様を満たすポリシーを形式的な抽象化を用いて合成する。 我々の貢献は、ノイズ、不確実なパラメータ、外乱を含む連続状態モデルに対する新しい抽象的制御法である。
  論文  参考訳（メタデータ） (2022-10-12T07:57:03Z)
• Bayesian autoencoders with uncertainty quantification: Towards trustworthy anomaly detection [78.24964622317634]
  本研究では, ベイズオートエンコーダ (BAEs) の定式化により, 全体の異常不確かさを定量化する。 不確実性の質を評価するために,不確実性の予測を拒否するオプションを追加して,異常を分類する作業を検討する。 本実験は,BAEと総異常不確かさが,ベンチマークデータセットと製造用実データセットのセットに与える影響を実証するものである。
  論文  参考訳（メタデータ） (2022-02-25T12:20:04Z)
• On the Practicality of Deterministic Epistemic Uncertainty [106.06571981780591]
  決定論的不確実性法(DUM)は,分布外データの検出において高い性能を達成する。 DUMが十分に校正されており、現実のアプリケーションにシームレスにスケールできるかどうかは不明だ。
  論文  参考訳（メタデータ） (2021-07-01T17:59:07Z)

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。